کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6863219 677610 2016 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Least square neural network model of the crude oil blending process
ترجمه فارسی عنوان
مدل شبکه عصبی مربع حداقل از روند ترکیب مخلوط نفت خام
کلمات کلیدی
حداقل مربع پذیری شبکه های عصبی، ثبات، یادگیری داده های بزرگ، یادگیری سریع، ترکیب نفت خام،
ترجمه چکیده
در این مقاله الگوریتم کمترین مربع برگشت پذیر برای یادگیری داده های بزرگ یک شبکه عصبی فیدر طراحی شده است. روش پیشنهادی به عنوان ترکیبی از شبکه عصبی مربع برگشت پذیر و فورواردور، چهار مزیت را در برابر الگوریتم های به دست می آورد: نیاز به تعداد کمتر رگرسیون ها، سریع است، دارای توانایی یادگیری است و فشرده تر است. ثبات، همگرایی، محدودیت پارامترها و حداقل اجتناب محلی روش پیشنهادی تضمین شده است. استراتژی معرفی شده برای مدل سازی روند ترکیب مخلوط نفت خام مورد استفاده قرار می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
مدل شبکه عصبی مربع حداقل از روند ترکیب مخلوط نفت خام
چکیده انگلیسی
In this paper, the recursive least square algorithm is designed for the big data learning of a feedforward neural network. The proposed method as the combination of the recursive least square and feedforward neural network obtains four advantages over the alone algorithms: it requires less number of regressors, it is fast, it has the learning ability, and it is more compact. Stability, convergence, boundedness of parameters, and local minimum avoidance of the proposed technique are guaranteed. The introduced strategy is applied for the modeling of the crude oil blending process.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neural Networks - Volume 78, June 2016, Pages 88-96
نویسندگان
,