论文部分内容阅读
针对RBF（radial basis function）神经网络在预测铁水含硅量中出现的预测精度低，收敛速度慢的问题，提出了一种基于免疫识别原理的径向基函数神经网络的学习算法。该算法利用人工免疫原理确定高斯基函数的中心和宽度参数，同时将所识别的数据作为抗原，抗体作为抗原的压缩映射并作为神经网络的隐层中心，利用递推最小二乘法（recursion least square，RLS）确定连接权值，提高了RBF神经网络的收敛速度和精度。应用该模型于某大型钢铁厂高炉铁水硅含量预报的实例中，实验结果表明，该模型具有更