PDF полного текста (486 kB) Первая страница

DOI: https://doi.org/10.20948/mm-2023-12-01

Аннотация: Для задач оценивания и прогнозирования показателей качества конечных продуктов ректификационных технологических процессов широкое распространение получили эмпирические модели. Использование нейронных сетей для их разработки позволяет учесть нелинейные особенности технологического объекта и позволяют получить более точный прогноз. Однако структура нейронных сетей может иметь высокую размерность. В таком случае выбор оптимальной структуры, а также оценку сходимости обучения все еще сложно осуществлять аналитически. Однако структура нейронных сетей может иметь высокую размерность и выбор оптимальной структуры, а также вопрос сходимости обучения при заданной структуре все еще сложно осуществлять аналитически. В связи с этим представлен новый метод выбора оптимальной структуры нейронной сети на основе генетического алгоритма, отличающийся учётом сходимости обучения при заданной структуре. Предложенный метод подробно представлен на примере построения нейросетевой модели для оценивания температуры начала кипения керосиновой фракции и показал свою эффективность.

Ключевые слова: модель фракционатора, генетический алгоритм, нейронная сеть, подбор гиперпараметров, сходимость обучения.

Поступила в редакцию: 13.03.2023
Исправленный вариант: 03.07.2023
Принята в печать: 03.07.2023

Образец цитирования: Д. В. Штакин, С. А. Шевлягина, А. Ю. Торгашов, “Нейросетевая модель для оценки показателей качества продуктов промышленного фракционатора”, Матем. моделирование, 35:12 (2023), 3–17

Цитирование в формате AMSBIB

Образцы ссылок на эту страницу:

https://www.mathnet.ru/rus/mm4509

https://www.mathnet.ru/rus/mm/v35/i12/p3

Citing articles in Google Scholar: Russian citations, English citations
Related articles in Google Scholar: Russian articles, English articles