ty -jour a2 -Zeng，Zhigang au -Naikwad，S。N。au -Dudul，S.V。Py -2009 DA -2010/01/14 Ti-使用最佳聚焦时间滞后时间滞后的复发性神经网络模型与Gamma Memory Filter SP-识别典型的CSTR-385757 VL -2009 AB-带有伽马存储器滤波器的聚焦时间滞后的复发性神经网络（FTLR NN）旨在学习典型CSTR过程的微妙复杂动力学。连续搅拌的储罐反应器表现出复杂的非线性操作，其中反应是放热的。从文献综述中可以注意到，许多人尝试使用神经模糊系统对CSTR的过程控制，但是尚未提供用于识别CSTR过程的最佳神经网络模型。由于CSTR过程包括输入输出映射中的时间关系，因此时间滞后的复发神经网络特别用于识别目的。该模型已提出了具有动量项的标准背部传播算法。各种参数如处理元素的数量，隐藏层的数量，训练和测试百分比，在隐藏和输出层中的学习规则和转移功能，都根据MSE，NMSE等性能度量以及测试数据集的相关系数进行了研究。最后，测试了不同规范的效果以及伽马记忆过滤器的变化。已经证明，动态NN模型具有出色的系统识别能力，可以解决本文中考虑的问题。因此，具有伽马记忆过滤器的FTLR NN可用于学习系统的高度非线性动力学，这是本文的主要贡献。 SN - 1687-9724 UR - https://doi.org/10.1155/2009/385757 DO - 10.1155/2009/385757 JF - Applied Computational Intelligence and Soft Computing PB - Hindawi Publishing Corporation KW - ER -