论文部分内容阅读
着重研究了基于离散数据的过程神经网络建模问题。考虑到来自现场的过程变量数据基本都是离散的采样数据，并且其中存在伪数据的情况，故先对离散采样数据进行预处理，然后采用离散Walsh变换法对数据进行转换，即将网络输入函数和权函数在Walsh基下映射为一组新的时变向量，将积分聚合运算简化为向量内积运算，实现离散采样数据对连续网络的直接输入。应用所建立的过程神经网络模型对发酵过程菌体浓度进行了预测，取得了较好的效果．