深度學(xué)習(xí)算法在軟測(cè)量建模中的應(yīng)用研究

《深度學(xué)習(xí)算法在軟測(cè)量建模中的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、＇單位代碼：１０２９３密級(jí)：么開碩女香隹輪乂，４Ｕ４雀若浸１ＵＫＢ３＞ｉＩＷ論文題目：深度學(xué)習(xí)算法在軟測(cè)量建模中．的應(yīng)用研究１０１３０５１３０５學(xué)號(hào)毛佳敏姓名劉瑞蘭導(dǎo)師儀器科學(xué)與技術(shù)學(xué)科專業(yè)器研究方向精密測(cè)試技術(shù)與智能儀工堂題±申請(qǐng)學(xué)位類別２０１６．３論文提交日期南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明進(jìn)斤的研巧工作及取得的研究成果。本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下盡我所知，除了文中特別加■標(biāo)注和致謝的地方外，論文

2、中不包含其他人已經(jīng)發(fā)表或撰寫過－。的研巧成巧，也不包含為獲得南京郵電火學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證巧而使用過的材料與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)巧已在論文中作了明確的說明并喪示了謝意。一。本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，愿窓承擔(dān)切相關(guān)的法律責(zé)任瓜日期．：滋研究生簽名：走巧斗南京郵電大學(xué)學(xué)位論義使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和化子文內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索：；檔；允許論文被查閱和借閱可Ｗ將學(xué)位論文的全部或部分、、。本文電子文檔的內(nèi)容和紙質(zhì)可

3、？采用影印縮印或掃描等復(fù)制手段保存匯編本學(xué)位論文？致理。論文的內(nèi)巧相。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研究生院辦涉密學(xué)位論文在解密后適用本授權(quán)書。＾研究生簽名：睪導(dǎo)師簽名：為＾口期：於／《、每＇［ApplicationResearchofDeepLearningAlgorithmintheSoftSensorModelingThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringBy

4、MaoJiaminSupervisor:Prof.LiuRuilanMarch2016摘要現(xiàn)代工業(yè)工藝隨著計(jì)算機(jī)技術(shù)的發(fā)展愈加信息化、智能化。工業(yè)生產(chǎn)過程中控制過程變量是非常必要的，軟測(cè)量技術(shù)作為先進(jìn)技術(shù)之一，能夠?qū)I(yè)生產(chǎn)過程中不易測(cè)量的過程變量實(shí)現(xiàn)在線實(shí)時(shí)預(yù)測(cè)。深度置信網(wǎng)絡(luò)是一種典型的深度學(xué)習(xí)算法，該算法在特征學(xué)習(xí)方面優(yōu)勢(shì)顯著。論文以4-CBA含量軟測(cè)量建模為研究對(duì)象，將深度置信網(wǎng)絡(luò)和已有的淺層算法相結(jié)合，深入研究更深層軟測(cè)量模型。論文主要研究了以下幾個(gè)方面。為了解決二進(jìn)制深度置信網(wǎng)絡(luò)算法處理連續(xù)采樣數(shù)據(jù)過程中的對(duì)稱性問題，引入了

5、連續(xù)的受限玻爾茲曼機(jī)單元，成功擬合了非線性函數(shù)。針對(duì)實(shí)際化工工藝中4-CBA含量軟測(cè)量建模，提出基于深度置信網(wǎng)絡(luò)的軟測(cè)量模型，模型訓(xùn)練過程中充分利用了樣本信息，提高了預(yù)測(cè)精度。在深度置信網(wǎng)絡(luò)算法參數(shù)優(yōu)化過程中，論文深入研究了隱含層節(jié)點(diǎn)數(shù)和迭代次數(shù)對(duì)軟測(cè)量模型測(cè)試性能的影響，分析了大量的隱含層節(jié)點(diǎn)數(shù)，獲得了一些經(jīng)驗(yàn)值，以初始樣本數(shù)據(jù)和重構(gòu)數(shù)據(jù)之間的差值來判斷模型訓(xùn)練過程中最大似然估計(jì)的收斂情況，提高了迭代次數(shù)尋優(yōu)的效率。論文最后研究了含有多個(gè)隱含層的深度置信網(wǎng)絡(luò)，分析了深層深度置信網(wǎng)絡(luò)的模型性能，并且針對(duì)4-CBA含量實(shí)現(xiàn)了軟測(cè)量建模。

6、仿真實(shí)驗(yàn)結(jié)果證明：基于深度置信網(wǎng)絡(luò)的4-CBA含量軟測(cè)量模型預(yù)測(cè)精度更高。關(guān)鍵詞:深度學(xué)習(xí)，深度置信網(wǎng)絡(luò)，人工神經(jīng)網(wǎng)絡(luò)，軟測(cè)量IAbstractWiththedevelopmentofcomputertechnology,modernindustrytechnologyisbecomingmoreandmoreinformativeandintelligent.Itisverynecessarytocontroltheprocessvariablesintheindustrialproductionprocess.Softsensor

7、technology,asoneoftheadvancedtechnology,canrealizeonlinereal-timepredictionoftheprocessvariableswhicharedifficulttomeasureintheprocessofindustrialproduction.Deepbeliefnetworkisakindoftypicaldeeplearningalgorithm.Thealgorithmhasobviousadvantagesinfeaturelearning.Softsens

8、ormodelingof4-CBAcontentistheresearchobjectinthispaper.Combiningthedeepbeliefnetworkwiththeexistingshallowalgo