论文部分内容阅读
适应学习和一个高度非线性、变化时间的生物反应器基准过程的预言用神经原线，为在 G2 实时聪明的环境开发并且部署神经网络的一个图形的工具箱，和新修改 Broyden 被学习，弗莱彻， Goldfarb ，并且 Shanno ( BFGS )伪--牛顿算法。为神经网络被开发并且由介绍学习率到完整的存储器 BFGS 算法的一个新搜索方法嵌进神经原线的背繁殖(BP ) 的适应学习的修改 BFGS 算法。模拟结果证明适应学习和神经网络系统能快速追踪的预言生物反应器的变化时间、非线性的行为。