潘晔
- 作品数：3 被引量：7H指数：2
- 供职机构：华东理工大学信息科学与工程学院自动化研究所更多>>
- 发文基金：上海市科学技术委员会基础研究重点项目国家高技术研究发展计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于改进支持向量机的作物叶水势软测量建模被引量：3
- 2010年
- 在标准最小二乘支持向量机(least square supportvector machine,LS-SVM)的基础上,利用改进的粒子群算法(i mproved particle swarmopti mization,IPSO)来优化LS-SVM模型参数,提出了基于IPSO-LS-SVM的软测量建模方法,建立了作物叶水势软测量模型.仿真结果表明,该方法比基本LS-SVM和PSO-LS-SVM模型具有更高的精度,能够很好地预测作物叶水势信息.
- 顾幸生潘晔卢胜利
- 关键词：软测量最小二乘支持向量机粒子群
- 基于信度分配的并行集成CMAC及其在建模中的应用
- Albus CMAC(cerebella model articulation controller)神经网络是一种模拟人类小脑学习结构的小脑模型关节控制器,它具有很强的记忆与输出泛化能力,但对于在线学习来说,Albus...
- 潘晔顾幸生卢胜利
- 关键词：信度分配神经网络集成
- 文献传递
- 基于信度分配的并行集成CMAC及其在建模中的应用被引量：4
- 2010年
- Albus CMAC(cerebella model articulation controller)神经网络是一种模拟人类小脑学习结构的小脑模型关节控制器,它具有很强的记忆与输出泛化能力,但对于在线学习来说,Albus CMAC仍难满足快速性的要求.本文在常规CMAC神经网络的基础上,针对其在学习精度与存储容量之间的矛盾,引入信度分配概念,提出了一种基于信度分配的并行集成CMAC.它将大规模网络切割为多个子网络分别训练后再组合,大大地提高了计算效率.通过对复杂非线性函数建模的仿真研究表明,该方案提高了系统建模的泛化能力和算法的收敛速度.文章最后讨论了学习常数和泛化参数对该神经网络在线学习效果的影响.
- 潘晔顾幸生卢胜利
- 关键词：信度分配神经网络集成
