论文部分内容阅读
针对单神经网络模型外推效果不理想、泛化能力较差的缺点，将神经网络集成用于诺西肽发酵过程的建模．采用Bagging技术进行重复取样用于个体神经网络的训练，结论生成时采用加权平均法，各子网络的权重利用差分进化算法来确定,个体神经网络选用典型的动态神经网络Elman网络，通过对多个Elman神经网络模型的输出进行融合，建立了基于神经网络集成的诺西肽发酵产物浓度模型,最后将所建立的模型与基于单神经网络的模型进行了比较，结果说明该模型具有更高的精度和泛化能力.