控制理论与应用

作者：于洋,邓瑞,余刚,庞新富

单位：沈阳航空航天大学,沈阳航空航天大学,矿冶过程自动控制技术国家重点实验室,沈阳工程学院自动化学院

关键词：随机权神经网络; 正则化; 奇异值分解; 磨矿过程; 磨矿粒度

基金：矿冶过程自动控制技术国家重点实验室、矿冶过程自动控制技术北京市重点实验室项目(BGRIMM–KZSKL–2021–03), 国家自然科学基金项目 (61773269), 辽宁省自然科学基金项目(2021–BS–189)资助.

在线鲁棒随机权神经网络(OR-RVFLN)具有较好的逼近性、较快的收敛速度、较高的鲁棒性能以及较小的存储空间. 但是, OR-RVFLN 算法计算过程中会产生矩阵的不适定问题, 使得隐含层输出矩阵的精度较低. 针对这个问题, 本文提出了奇异值分解下在线鲁棒正则化随机网络(SVD-OR-RRVFLN). 该算法在OR-RVFLN 算法的基础上, 将正则化项引入到权值的估计中, 并且对隐含层输出矩阵进行奇异值分解; 同时采用核密度估计(KDE) 法, 对整个SVD-OR-RRVFLN网络的权值矩阵进行更新, 并分析了所提算法的必要性和收敛性. 最后, 将所提的方法应用于Benchmark数据集和磨矿粒度的指标预测中, 实验结果证实了该算法不仅可以有效地提高模型的预测精度和鲁棒性能, 而且具有更快的训练速度.

来源：2024年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第3期