论文部分内容阅读
针对液压伺服系统动态流量软测量模型中神经网络训练精度和训练速度难以同时提升的问题,引入减聚类（SCM）算法将原训练样本集映射成初始径向基函数（RBF）中心集,并确定基函数宽度 利用敏感性分析算法（SenV）对基函数的中心进行优化,从而减少神经网络隐层节点数目在根本上为同时提升神经网络训练精度和训练速度提供保障。实验表明,神经网络的隐层节点数可降低至少30%。