回轉窯神經(jīng)網(wǎng)絡系統(tǒng)的選擇

回轉窯神經(jīng)網(wǎng)絡系統(tǒng)的模型有多種類型，不同神經(jīng)網(wǎng)絡的模型的應用有其局限性，在選擇回轉窯的神經(jīng)網(wǎng)絡模型時，需根據(jù)工程的要求和神經(jīng)網(wǎng)絡模型的特點進行全面考慮。從控制角度看，非線性動態(tài)系統(tǒng)中最常用到的神經(jīng)網(wǎng)絡模型有多層前向BP(back propagation)網(wǎng)絡、徑向基函數(shù)RBF(Radial basis function)網(wǎng)絡、正交多項式網(wǎng)絡和樣條函數(shù)網(wǎng)絡等。這四種網(wǎng)絡均具有逼近任意非線性函數(shù)的能力，但從應用的角度看，它們各有優(yōu)缺點。

BP網(wǎng)絡系統(tǒng)具有很強的生物背景，該系統(tǒng)多輸入多輸出的特性使其易用于多變量非線性函數(shù)逼近，但其輸出與網(wǎng)絡的連接權之間呈非線性關系，這使得其學習算法必須采用非線性優(yōu)化方法，因而這就不可避免要遇到存在局部極小點的問題，且訓練時需要有全局信息。

徑向基函數(shù)網(wǎng)絡則既有生物背景又與函數(shù)逼近理論相吻合，只要學習選擇得當，只需很少的神經(jīng)元就可獲得很好的逼近效果；而且它還具有唯一最佳逼近的優(yōu)點，網(wǎng)絡的連接權與輸出呈線性關系，這使得它可以采用保證全局收斂的線性優(yōu)化算法。多項式網(wǎng)絡具有較為成熟的理論基礎，當它用于多變量函數(shù)逼近時，存在網(wǎng)絡中神經(jīng)元個數(shù)急劇增加的不足。樣條函數(shù)網(wǎng)絡在學習時只需重點掌握局部信息，這增加了其學習算法的并行性，加快了學習速度；但該網(wǎng)絡定義域中子區(qū)域網(wǎng)的劃分問題使得其用于多變量函數(shù)逼近時較為復雜。

相關文章：
回轉窯測溫技術的提高 回轉窯的表面溫度與壁厚紅外監(jiān)測系統(tǒng)開發(fā) 利用回轉窯煅燒石油焦的利與弊 對回轉窯運行狀態(tài)進行巡檢的重要性 回轉窯系統(tǒng)有哪些輔助設備？ 回轉窯內結圈的危害及產(chǎn)生原因