skip to main content
訪客
個人書架
我的帳戶
登出
登入
This feature requires javascript
檢索首頁
圖書館首頁
電子期刊
引用參考文獻查詢
指定參考書查詢
新書通報
標籤查詢
線上輔助
語言:
English
繁體中文
This feature required javascript
This feature requires javascript
Primo Search
館藏+文章
館藏+文章
館藏
查館藏
文章
查文章
機構典藏
機構典藏
Search For:
Clear Search Box
Search in:
館藏+文章
Or hit Enter to replace search target
Or select another collection:
Search in:
館藏+文章
進階檢索
瀏覽查詢
This feature requires javascript
資源種類
criteria input
圖書
期刊
視聽資料
全部館藏
顯示結果:
criteria input
包含在我的檢索語句內
完全相同
起始以
顯示結果:
查詢種類 索引
criteria input
任何地方
題名
ISBN
ISSN
Show Results with:
題名
Show Results with:
任何地方
題名
ISBN
ISSN
This feature requires javascript
基于混沌自适应粒子群人工神经网络的气体在聚合物中的溶解模型
李孟山 黄兴元 柳和生 柳炳祥 武燕 艾凡荣
化学学报, 2013, Vol.71 (7), p.1053-1058
[同儕審閱期刊]
可取得全文
引用
被引用
線上檢視
詳細格式
評論和標籤
相關文章推薦
FullText@NUTN
引用次數
This feature requires javascript
傳送到
加入個人書架
從個人書架中移除
E-mail
列印
永久連結
引用
EndNote
導出 RiS
This feature requires javascript
題名:
基于混沌自适应粒子群人工神经网络的气体在聚合物中的溶解模型
著者:
李孟山 黄兴元 柳和生 柳炳祥 武燕 艾凡荣
主題:
混沌理论
;
溶解预测
;
神经网络
;
粒子群
;
聚合物
所屬期刊:
化学学报, 2013, Vol.71 (7), p.1053-1058
描述:
为提高溶解预测模型的效率和关联度,建立基于混沌理论、自适应粒子群优化(PSO)算法和反向传播(BP)算法的混沌自适应PSO-BP神经网络模型,并对二氧化碳(CO2)在聚苯乙烯(PS)和聚丙烯(PP)中、氮气(N2)在PS中的溶解度进行预测试验.模型选用压力和温度作为输入参数,使用试探法确定隐含层结点个数为8,输出为预测的溶解度.模型融合混沌理论、自适应PSO和BP算法各自的优势,提高了训练速度和预测精度.结果表明,混沌自适应PSO-BP神经网络有很好的预测能力,预测值与实验值相当吻合,通过与传统BP神经网络和PSO-BP神经网络的比较可知,其预测精度和相关性均明显较优,预测平均绝对误差(AAD),标准偏差(SD)和平方相关系数(R^2)分别为0.0058,0.0198和0.9914.
語言:
中文
識別號:
ISSN: 0567-7351
資源來源:
Alma/SFX Local Collection
This feature requires javascript
This feature requires javascript
返回到檢索清單
This feature requires javascript
This feature requires javascript
正在檢索遠程資料庫,請稍等
查詢:
在
scope:("NUTN"),scope:(NUTN_ALEPH),scope:(NUTN_IR),scope:(NUTN_SFX),primo_central_multiple_fe
顯示現有記錄
This feature requires javascript
This feature requires javascript