回转窑神经网络系统的选择

回转窑神经网络系统的模型有多种类型，不同神经网络的模型的应用有其局限性，在选择回转窑的神经网络模型时，需根据工程的要求和神经网络模型的特点进行全面考虑。从控制角度看，非线性动态系统中最常用到的神经网络模型有多层前向BP(back propagation)网络、径向基函数RBF(Radial basis function)网络、正交多项式网络和样条函数网络等。这四种网络均具有逼近任意非线性函数的能力，但从应用的角度看，它们各有优缺点。

BP网络系统具有很强的生物背景，该系统多输入多输出的特性使其易用于多变量非线性函数逼近，但其输出与网络的连接权之间呈非线性关系，这使得其学习算法必须采用非线性优化方法，因而这就不可避免要遇到存在局部极小点的问题，且训练时需要有全局信息。

径向基函数网络则既有生物背景又与函数逼近理论相吻合，只要学习选择得当，只需很少的神经元就可获得很好的逼近效果；而且它还具有唯一最佳逼近的优点，网络的连接权与输出呈线性关系，这使得它可以采用保证全局收敛的线性优化算法。多项式网络具有较为成熟的理论基础，当它用于多变量函数逼近时，存在网络中神经元个数急剧增加的不足。样条函数网络在学习时只需重点掌握局部信息，这增加了其学习算法的并行性，加快了学习速度；但该网络定义域中子区域网的划分问题使得其用于多变量函数逼近时较为复杂。

相关文章：
回转窑内结圈的危害及产生原因回转窑的表面温度与壁厚红外监测系统开发对回转窑运行状态进行巡检的重要性利用回转窑煅烧石油焦的利与弊回转窑测温技术的提高回转窑系统有哪些辅助设备？