[00251398]一种基于并行模块化神经网络的副产煤气实时预测方法
交易价格：
面议
所属行业：
其他采矿冶金
类型：
发明专利
技术成熟度：
正在研发
专利所属地：中国
专利号：CN201610213761.4
交易方式：
技术转让
技术转让
技术入股
联系人：
科小易
进入空间
所在地：福建厦门市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
一种基于并行模块化神经网络的副产煤气实时预测方法,其特征是首先按照神经网络的状态空间分割的原则，采用Fuzzy c‑means(FCM)聚类将样本数据分为若干类，每一个分类对应一个状态空间的子空间(即模块)，再对数据重构以建立预测模型。在建模过程中提出一种改进的回声状态网络，采用模块化方法将神经网络网络状态空间分割成多个独立的子空间，每个子空间就是子网络。结合共享储备池方法，使得所有网络的训练都在同一个储备池中完成，而子空间各自对应一个输出权值矩阵，能更好的模拟系统的运行规律。最后将网络训练问题化简为多个小网络的并行训练问题以加速模型计算过程，引入含有更多有用信息的大数据样本提高了模型的预测精度，并应用Map Reduce计算框架将求解问题并行化，获得较高的加速比，实现冶金煤气系统的实时预测。
一种基于并行模块化神经网络的副产煤气实时预测方法,其特征是首先按照神经网络的状态空间分割的原则，采用Fuzzy c‑means(FCM)聚类将样本数据分为若干类，每一个分类对应一个状态空间的子空间(即模块)，再对数据重构以建立预测模型。在建模过程中提出一种改进的回声状态网络，采用模块化方法将神经网络网络状态空间分割成多个独立的子空间，每个子空间就是子网络。结合共享储备池方法，使得所有网络的训练都在同一个储备池中完成，而子空间各自对应一个输出权值矩阵，能更好的模拟系统的运行规律。最后将网络训练问题化简为多个小网络的并行训练问题以加速模型计算过程，引入含有更多有用信息的大数据样本提高了模型的预测精度，并应用Map Reduce计算框架将求解问题并行化，获得较高的加速比，实现冶金煤气系统的实时预测。
