基于熵准则的鲁棒的rbf谷胱甘肽发酵建模

在谷胱甘肽的发酵过程建模中,当试验数据含有噪音时,往往会导致模型预测精度和泛化能力的下降。针对该问题,提出了一种新的基于熵准则的rbf神经网络建模方法。与传统的基于mse准则函数的建模方法相比,新方法能从训练样本的整体分布结构来进行模型参数学习,有效地避免了传统的基于mse准则的rbf网络的过学习和泛化能力差的缺陷。将该模型应用到实际的谷胱甘肽发酵过程建模中,实验结果表明:该方法具有较高的预测精度、泛化能力和良好的鲁棒性,从而对谷胱甘肽的发酵建模有潜在的应用价值。