前传神经网络规模优化的快速剪枝策略及其应用

对多层前传神经网络规模的优化主要在于确定隐含层的节点数 .本文提出的快速剪枝法从分析网络隐含层的输出信息入手 ,用特征分析法解析地确定冗余而可剪去的隐节点数 ,并一次性地找出优化的隐节点数 ,同时将剪去节点的作用分配到保留的节点上 ,配置结构优化网络的初始连接权 ,以加速网络的训练进程 .这种快速剪枝的解析算法每步都有明确的数学机理 ,不仅优化速度快 ,而且稳定性好 .该算法应用于留兰香油的模式分类问题 ,效果令人满意 ,并显示出良好的健壮性和通用性     

与机理杂交的支持向量机为发酵过程建模

针对生物发酵过程机理复杂、高度非线性的特点,采用基于结构风险最小的支持向量机为发酵过程建模,其算法规范,建模复杂度低于神经网络方法,所建模型的预测效果更好.还将生化过程的动力学机理与支持向量机相结合,采用串联和串并联结构,提出与机理杂交的支持向量机建模方法,并为间歇式酒精发酵过程中酵母菌体浓度变化建立了预测模型.原理分析与试验结果表明与机理杂交的支持向量机建模方法,相比于单一近似的动力学模型、单一的支持向量机模型,以及机理杂交的神经网络模型,它的预测精度高,泛化能力强,性能更为优越.