一种新的选择性神经网络集成方法及其在PTA中的应用

摘要：

神经网络集成可以显著提高神经网络的泛化性能.传统的集成方法中大都采用将训练的所有网络直接进行组合的方式形成集成网络,而实际上这些网络可能具有一定的相关性.为此,选择性神经网络集成成为目前研究的热点,它能够进一步提高集成网络的泛化性能.本文提出了一种利用网络权值计算网络模型之间差异度的新的选择性神经网络集成方法DWSEN.UCI数据测试表明,与流行的集成方法Bagging和Boosting比较,本方法有着更好的泛化能力和稳定性.将DWSEN应用于精对苯二甲酸(PTA)溶剂系统脱水塔装置的建模过程,结果显示,利用该方法训练得到的集成模型具有更好的泛化性能,能够较好地模拟生产运行过程.

关键词：神经网络集成、选择性集成、模型差异度、溶剂脱水塔

所属期刊栏目：60

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目60774079;国家高技术研究发展计划项目2007AA04Z170;中石化科学技术研究开发项目205073

在线出版日期：2011-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2510-2516