小波核极限学习机及其在醋酸精馏软测量建模中的应用
Wavelet Kernel Extreme Learning Machine and Its Application in Soft Sensor Modeling of an Industrial Acetic Acid Distillation System作者机构：华东理工大学自动化系上海200237
出 版 物：《华东理工大学学报（自然科学版）》 (Journal of East China University of Science and Technology)
年 卷 期：2014年第40卷第4期
页 面：474-480页
核心收录：
学科分类：08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
摘 要：传统的机器学习算法一般通过迭代进行参数寻优,导致学习速度慢,且容易陷入局部最小值。针对这个问题,提出了一种基于小波核函数的极限学习机(KEML)的软测量建模方法,将支持向量机(SVM)中核函数的思想运用到极限学习机(EML)中,避免了SVM训练速度慢以及ELM算法不稳定的缺点。将KEML算法运用于醋酸精馏的软测量建模问题中,仿真实验结果验证了该算法的学习速度是SVM的92倍,且算法的精度以及模型的泛化能力都有所提高。
维普期刊数据库
同方期刊数据库