×
陈鹏;吕永才

基于模因算法的神经网络学习用于碱性氧气炉终点预测。 （英语） Zbl 1202.68307号

浙江科技大学学报。A类 11，第11号，841-848（2010）.
摘要：基于炼钢碱性氧气炉（BOF）终点质量预测的关键位置和计算智能（CI）的最新成果，本文研究了一种用于神经网络（NN）学习的新型模因算法（MA）的开发。其中包括极值优化（EO）和Levenberg-Marquardt（LM）梯度搜索的集成，及其在转炉终点质量预测中的应用。基本分析表明，与传统的神经网络学习方法相比，所提出的EO-LM算法在泛化性能、计算效率和避免局部极小值方面具有优越性。对生产规模转炉数据的实验结果表明，该方法可以有效地改进转炉终点质量预测的神经网络模型。

理学硕士：

68T05型 人工智能中的学习和自适应系统

关键词：

模因算法;神经网络（NN）学习;反向传播（BP）;极值优化;levenberg-marquardt（LM）梯度搜索;碱性氧气炉
PDF格式BibTeX公司 XML格式引用
\textit{P.Chen}和textit{Y.-Z.Lu}，浙江科技大学。A 11，No.11，841--848（2010；Zbl 1202.68307）
全文： 内政部

参考文献：

[1] Bak，P.，Tang，C.，Wiesenfeld，K.，1987年。自组织临界性：1/f噪声的解释。《物理评论快报》，59（4）：381-384。[doi:10.1103/PhysRevLett.59.381]·doi:10.1103/PhysRevLett.59.381
[2] Boettcher，S.，Percus，A.G.，1999年。极值优化：源自共同进化的方法。《遗传和进化计算会议论文集》，Morgan Kaufmann，旧金山，第825-832页。
[3] Boettcher，S.，Percus，A.G.，2000年。大自然的优化方式。人工智能，119（1-2）：275-286。[doi:10.1016/S0004-3702（00）00007-2]·Zbl 0949.90075号 ·doi:10.1016/S0004-3702（00）00007-2
[4] Chen，M.R.，Lu，Y.Z.，2008年。一种新的精英多目标优化算法：多目标极值优化。《欧洲运筹学杂志》，188（3）：637-651。[doi:10.1016/j.ejor.2007.05.008]·Zbl 1144.90475号 ·doi:10.1016/j.ejor.2007.05.008
[5] Chen，M.R.，Lu，Y.Z.，Yang，G.K.，2007年。多目标极值优化及其在工程设计中的应用。浙江大学学报A，8（12）：1905-1911。[doi:10.1631/jzus.2007.A1905]·Zbl 1135.90396号 ·doi:10.1631/jzus.2007.A1905
[6] Chen，Y.W.，Lu，Y.Z.，Chen，P.，2007年。旅行商问题的极值动力学优化。物理学A：统计力学及其应用，385（1）：115-123。[doi:10.1016/j.physa.2007.06.014]·doi:10.1016/j.physa.2007.06.014
[7] Cotta，C.，Moscato，P.，2007年。模因算法。近似算法和元启发式手册，CRC出版社，纽约·Zbl 1140.90418号 ·doi:10.1201/9781420010749.ch27
[8] Cox，I.J.、Lewis，R.W.、Ransing，R.S.、Laszczewski，H.、Berni，G.，2002年。神经计算在碱性氧气炼钢中的应用。材料加工技术杂志，120（1-3）：310-315。[doi:10.1016/S0924-0136（01）01136-0]·doi:10.1016/S0924-0136（01）01136-0
[9] 道金斯，R.，1976年。自私的基因。牛津大学出版社，牛津。
[10] Dengiz，B.，Alabas-Uslu，C.，Dengizs，O.，2009年。一种用于神经网络训练的禁忌搜索算法。运筹学学会杂志，60（2）：282-291。[doi:10.1057/palgrave.jors.2602535]·Zbl 1168.68457号 ·doi:10.1057/palgrave.jors.2602535
[11] Digalakis，J.，Margaritis，K.，2004年。模因算法的性能比较。应用数学与计算，158（1）：237-252。[doi:10.1016/j.amc.2003.08.115]·兹比尔1061.65050 ·doi:10.1016/j.ac.2003.08.115
[12] Feng，M.X.，Li，Q.，Zou，Z.S.，2008年。一种改进的神经网络转炉预测模型的异常值识别与判断方法。国际钢铁研究，79（5）：323-332。[doi:10.2374/SRI07SP051-2008-323]
[13] Fileti，A.M.F.，Pacianotto，T.A.，Cunha，A.P.，2006年。神经建模有助于BOS过程在钢液中实现目标终点条件。人工智能的工程应用，19（1）：9-17。[doi:10.1016/j.engappai.2005.06.002]·doi:10.1016/j.engappai.2005.06.002
[14] M.T.Hagan，M.B.Menhaj，1994年。用Marquardt算法训练前馈网络。IEEE神经网络汇刊，5（6）：989-993。[doi:10.1109/72.329697]·数字对象标识代码：10.1109/72.329697
[15] Haykin，S.，1994年。神经网络，综合基础。纽约麦克米伦·Zbl 0828.68103号
[16] Krasnogor，N.，Gustafson，S.，2004年。模因算法中“自我生成”的使用研究。自然计算，3（1）：53-76。[doi:10.1023/B:NACO.0000023419.83147.67]·Zbl 1074.68064号 ·doi:10.1023/B:NACO.0000023419.83147.67
[17] Lu，Y.Z.、Chen，M.R.、Chen、Y.W.，2007年。极值优化及其在求解实际优化问题中的应用研究。IEEE计算智能基础研讨会论文集，美国夏威夷，第162-168页。[doi:10.1109/FOCI.2007.372163]
[18] Nocedal，J.，Stephen，J.W.，2006年。数值优化。纽约州施普林格·兹比尔1104.65059
[19] Ozcan，E.，2007年。模因，自我生成和护士排班。LNCS，3867:85-104。[doi:10.1007/978-3-540-77345-0_6]
[20] 彭达尔卡，P.C.，2009年。基于遗传算法的神经网络方法用于预测蜂窝无线网络服务中的客户流失。专家系统与应用，36（3）：6714-6720。[doi:10.1016/j.eswa.2008.08.050]·doi:10.1016/j.eswa.2008.08.050
[21] Sedki，A.，Ouazar，D.，El Mazoudi，E.，2009年。使用实数编码遗传算法的进化神经网络用于日降雨径流预测。应用专家系统，36（3）：4523-4527。[doi:10.1016/j.eswa.2008.05.024]·doi:10.1016/j.eswa.2008.05.024
[22] Smith，J.E.，2007年。共同进化模因算法：回顾与进展报告。IEEE系统人与控制论汇刊，B部分：控制论，37（1）：6-17。[doi:10.1109/TSMCB.2006.883273]·doi:10.1109/TSMCB.2006.883273
[23] Tao，J.，Wang，X.，Chai，T.Y.，2002年。转炉炼钢智能控制方法及应用。国际会计师联合会世界大会会议记录，西班牙巴塞罗那，第1071-1076页。[doi:10.3182/20020721-6-ES-1901.00726]
[24] Tavakkoli-Moghaddam，R.，Saremi，A.R.，Ziaee，M.S.，2006年。带回程的车辆路径问题的模因算法。应用数学与计算，181（2）：1049-1060。[doi:10.1016/j.amc.2006.01.059]·Zbl 1102.90314号 ·doi:10.1016/j.amc.2006.01.059
[25] Wang，X.，Wang，Z.J.，Tao，J.，2006年。碱性氧气炉碳和温度估算的多神经网络建模方法。LNCS，3973:870-875。[doi:10.1007/11760191_127]
[26] Wolpert，D.H.，Macready，W.G.，1997年。优化没有免费午餐定理。IEEE进化计算汇刊，1（1）：67-82。[doi:10.1109/4235.585893]·doi:10.1109/4235.585893
[27] Yao，X.，伊斯兰医学硕士，2008年。进化人工神经网络集成。IEEE计算智能杂志，3（1）：31-42。[doi:10.1109/MCI.2007.913386]·doi:10.1109/MCI.2007.913386
[28] Zhu，Z.，Ong，Y.S.，Zurada，J.M.，2009年。全类和部分类相关基因的鉴定。IEEE/ACM计算生物学和生物信息学交易，7（2）：263-277。[doi:10.1109/TCBB.2008.105]
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。