非线性部分最小二乘方法用于推断估计器设计

来源 :沈阳化工学院学报 | 被引量 : 12次 | 上传用户:ggf9988998
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对工业过程中某些变量难于在线测量的问题 ,提出一种基于人工神经网络 (ANN)的非线性部分最小二乘的推断估计策略 .首先对历史数据进行部分最小二乘回归分析 ,提取特征信息 .然后用神经网络建立主元之间的内部非线性关系 ,得到产品质量的非参数模型 .仿真结果表明 :该推断估计器具有良好的跟踪速率和较高的估计精度 ,其性能优于基于原始人工神经网络推断估计器的性能 .
其他文献
本文针对国内外安全视频监控的需求,分析概述了目前对于人体异常行为分析的研究技术,主要介绍Hu不变矩的人体行为识别算法,并通过实验验证了该方法具有实现简单、鲁棒性较好的优点,能够实现人体异常行为的分析研究。
提出了一种基于混沌的随机源电路。通过利用电容上电荷的再分配,实现了一个离散混沌系统.该电路在0.8μm CMOS工艺下流片成功,核心面积小于4200μm^2,功耗小于1mw,优于目前已有的
现有的关联规则算法大多都致力于解决增量式更新问题,需要多次扫描数据集,无法对海量数据进行有效处理。针对此问题,提出了基于滑动窗口的关联规则增量式更新算法(SWIUA),利用滑动窗口进行数据更新,挖掘出用户感兴趣的关联规则。该算法只需要扫描原始数据集和更新的数据各一遍,降低了I/O时间;并采用优化策略对候选项集过滤和删除,提高了关联规则的挖掘性能,能有效处理大量新增数据。