排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
提出用规则判断由于BP神经网络学习过程中因梯度搜索产生的局部极小 ,并利用具有全局寻优的特点的混沌优化算法 ,使学习过程能有效地逃离局部极小。即 ,梯度下降进研“粗搜索”、混沌优化法进行“细搜索”及建立规则将两者结合起来 ,就构成了本文的基于混沌梯度下降的前馈神经网络学习算法。这种算法有效地利用了梯度下降算法的快速性和混沌寻优的全局性。将该算法应用于铜锍吹炼过程智能决策支持系统模型库中的模型学习 ,产生了良好的应用效果。 相似文献
2.
建模与优化是流程工业GIMS中的关键技术。本文简要介绍了数据仓库、数据挖掘、智能决策技术 ,提出一种基于数据集成技术的智能决策支持技术。它以数据仓库为平台 ,以数据挖掘技术为手段 ,综合应用机器学习、计算智能 (人工神经网络、遗传算法等 )、模式识别、数理统计、计算机科学等技术 ,以解决生产过程工业过程建模及优化等问题知识获取的技术瓶颈为目标 ,实现工业生产过程决策支持与优化控制 相似文献
1