存在仪器噪声和测量误差时人工神经网络模型改进的性能制造技术

描述了一种方法，在存在包含仪器噪声和／或测量误差的输入－输出例子数据时，用于改进人工神经网络模型的预测精度和推广性能，用于训练网络模型输入－输出例子数据中噪声和误差的存在造成在精确学习输入和输出之间非线性关系的困难，网络有效学习噪声关系，该方法设法使用计算机模拟生成大规模的噪声－叠加采样输入－输出数据集，这里高斯噪声专用量被添加到例子集中的每一输入／输出变量，并由此生成的扩大的采样数据集用作为训练集，用于构造人工数据网络模型，被添加的噪声量对输入／输出变量是专用的，并使用随机搜索和优化技术即遗传算法确定其优化值，对噪声叠加扩大的训练集所训练的网络表现出其预测精度和推广性能明显的改进，所发明专利技术的方法通过其成功用于来自工业聚合反应器和连续搅拌反应器（ＣＳＴＲ）包含仪器误差和／或测量噪声的例子数据所例证。（*该技术在2022年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及用于在存在含有仪器噪声和/或测量误差的输入-输出数据的改进人工神经网络模型预测精度和推广性能的方法。
技术介绍
人工神经网络(ANN)由于其能够以任意精确度逼近非线性关系而适合对复杂的的多输入-多输出非线性过程建模(Poggio，T.and Girosi，F.Regularization algorithms for learning that are equivalent tomultilayer networks.Science，247，978，1990)。其结果是，ANN已经广泛用于多种工业，进行过程变量的在线和离线预测。ANN的工业应用包括过程识别，稳态和动态过程建模，故障检测和诊断，软检测器研发，及非线性过程控制和监视。这些ANN应用已经由Tambe h共同作者进行了全面的综述(Tambe，S.S.，Kulkarmi，B.D.，Deshpande，P.B.Elements of Artificial Neural Networks with Selected Applicationsin Chemical Engineering，and Chemical 本文档来自技高网...

【技术保护点】
一种方法，当称为例子集的可用于构成网络模型的输入－输出数据包括仪器噪声和／或测量误差时，用于改进非线性人工神经网络模型的预测精度和推广性能，所述方法包括以下步骤：（ａ）使用计算机模拟产生噪声叠加扩大的输入－输出采样数据集；（ ｂ）使用计算机模拟对于例子集中每一输入－输出模式产生Ｍ数目噪声叠加采样输入－输出模式（向量）；（ｃ）使用每一输入／输出变量专用的噪声允差值产生噪声－叠加采样输入－输出模式；（ｄ）使用计算机模拟产生高斯（正态）分布随机数，以便 生成噪声－叠加采样输入－输出模式；（ｅ）使用随机搜索和优化技术，确定要添加到例子集中每一...

【技术特征摘要】
1.一种方法，当称为例子集的可用于构成网络模型的输入-输出数据包括仪器噪声和/或测量误差时，用于改进非线性人工神经网络模型的预测精度和推广性能，所述方法包括以下步骤(a)使用计算机模拟产生噪声叠加扩大的输入-输出采样数据集；(b)使用计算机模拟对于例子集中每一输入-输出模式产生M数目噪声叠加采样输入-输出模式(向量)；(c)使用每一输入/输出变量专用的噪声允差值产生噪声-叠加采样输入-输出模式；(d)使用计算机模拟产生高斯(正态)分布随机数，以便生成噪声-叠加采样输入-输出模式；(e)使用随机搜索和优化技术，确定要添加到例子集中每一输入-输出变量的准确的高斯噪声量；以及(f)使用计算机产生的噪声-叠加采样输入-输出模式作为‘训练集’，用于构成非线性人工神经网络模型；2.根据权利要求1的方法，其中通过遗传算法确定的被添加到例子集的每一输入输出变量的准确的高斯噪声量，是...

【专利技术属性】
技术研发人员：巴斯卡戴特雷库卡尼，桑吉夫史瑞克瑞士纳塔姆比，贾亚瑞姆布哈吉劳纳瑞，尼拉姆库马维勒查，桑雷瓦桑特劳戴史姆克，巴范尼史安卡希诺伊，希瓦拉玛拉维克安德兰，
申请(专利权)人：科学与工业研究会，
类型：发明
国别省市：IN[印度]