已閱讀1頁，還剩90頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、該文在前人研究的基礎上,首先根據換熱器的動態(tài)特性,提出了一種更適用于模擬空調機組性能的神經網絡激勵函數——效能函數,通過比較應用各種激勵函數的神經網絡模擬結果可以看出,應用效能函數作為激勵函數不僅能夠提高神經網絡的模擬精度,而且可以有效提高學習速度.但是,僅僅通過改進激勵函數的特性,還不能夠有效提高神經網絡的外推預測能力,于是對學習算法做了進一步的研究.該文引入基于模糊熵準則和誤差平方和準則的多準則模糊學習算法,并利用基于此學習算法的神
2、經網絡對風機盤管機組、柜式空調機組的換熱性能分別進行了內插模擬和外推預測.結果表明,采用模糊學習算法能夠有效提高內插模擬精度和收斂速度,但仍未能夠解決神經網絡外推預測能力即范化能力差的問題.為了解決上述問題,該文建造了具有多層推量的模糊神經系統(tǒng),較準確地模擬了風機盤管機組和柜式機組的性能,從而成功地解決了神經網絡本身范化能力差的問題.作為例子,該文還利用該系統(tǒng)對空調換熱器的換熱量以及空氣和水的進、出口溫差進行了模擬,也得到了比單純神經網
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評論
0/150
提交評論