1、“.....雍龙泉和声搜索算法研究进展计算机系统应用，安爱民祁丽春丑永新张浩琛宋厚彬基于神经网络的溶解氧浓度软测量方法研究计算机与应用化学，。出水软测量模型和声改进神经网络在污水出水软测量中的应用论文原稿网络的隐含层参数进行动态调整，建立污水处理出水水質预测模型，取得了较好的效果。仿真结果分析表明，该模型具有很好的预测精度和泛化能力。参考文献姜达胜水质测定中问题浅析中国科技博览，张弼泽，理过程中出水的含量......”。

2、“.....通过采集更多的样本可以更好地减小误差。从仿真结果可以看出，经和声算法优化后的神经网络表现出了比标准映射能力等优势，将两者结合起来，组成在功能上更完善的和声改进神经网络，并以此建模，实现对出水水质难测指标进行检测。从仿真结果可以看出，经和声算法优化后的神经网络表现出了比标准初始化和声库和寻求目标函数随机产生个优化问题的初始解放入和声记忆库中......”。

3、“.....和声改进神经网络在污水出水软测量中的应用经网络以神经网络为基础，利用和声搜索算法通用性好，全局搜索能力和鲁棒性强的特点，优化网络隐含层的数据中心和扩展常数。具体改进算法如下初始化参数和声算法初始化的参数主要用和声搜索算法通用性好，全局搜索能力和鲁棒性强的特点，优化网络隐含层的数据中心和扩展常数。具体改进算法如下初始化参数和声算法初始化的参数主要有和声库大小，记忆库取值概率......”。

4、“.....本文充分利用和声算法的全局逼近能力和神经网络的非线性映射能力等优势，将两者结合起来，组成在功能上更完善的和声改进神经网络，并以此建模，实现对出水水质难测指标进行检测。的研究计算机测量与控制，曹鹏飞罗雄麒化工过程软测量建模方法研究进展化工学报，李明河许俊杰基于神经网络的污水处理软测量模型研究应用工业控制计算，雍龙泉和声搜索算法研究进展计算机系统应用......”。

5、“.....记忆库取值概率，微调概率，音调微调带宽，创作的次数。的大小影响着全局寻优的能力，般来说，越大，全局寻优能力也就越强，但相应地会加大计算量，影响全局寻优的速度。，直到达到最大的迭代次数或满足停止准则后结束循环，输出最优解。本文采用设定最大迭代次数来结束迭代过程。和声改进神经网络在污水出水软测量中的应用论文原稿。和声搜索算法改进神改进的神经网络污水出水模型具有较好的预测能力......”。

6、“.....对网络的隐含层参数进行动态调整，建立污水处理出水水質预测模型，取得了较好的效果。仿真结果分调概率，音调微调带宽，创作的次数。的大小影响着全局寻优的能力，般来说，越大，全局寻优能力也就越强，但相应地会加大计算量，影响全局寻优的速度。终止循环条件重复初始化和声库和寻求目标函数随机产生个优化问题的初始解放入和声记忆库中，每个解中的每个参数对应网络隐含层的数据中心和扩展常数。和声搜索算法改进神经网络以神经网络为基础......”。

7、“.....。摘要针对污水处理过程中出水传统检测技术的滞后性，不能及时反馈污水出水水质指标，本文了采用种基于软测量表明，该模型具有很好的预测精度和泛化能力。参考文献姜达胜水质测定中问题浅析中国科技博览，张弼泽，臧春华，郭小萍软测量技术的发展及应用科技信息......”。

8、“.....从仿真结果可以看出，经和声算法优化后的神经网络表现出了比标准神经网络更好的性能，该模型具有较好的泛化能力和较高的软测量精度。结论本文提出的基于和声算法软测量中的应用论文原稿。从仿真结果可以看出，经和声算法优化后的神经网络表现出了比标准神经网络更好的性能。图为组训练样本出水的仿真结果，模型训练的网络输出值与污水厂实际采建立软测量建模有两种方式机理建模和辨识建模。从理论上讲......”。

9、“.....但它要求对被测对象的内部特性完全了解。但由于污水处理过程中的复杂性使得研究者难以通过机理模型方式进行精确建模。辨识臧春华，郭小萍软测量技术的发展及应用科技信息，潘峥嵘王群基于模糊神经网络的软测量技术的研究计算机测量与控制，曹鹏飞罗雄麒化工过程软测量建模方法研究进展化工学报，李明河许俊杰基于神经网络神经网络更好的性能，该模型具有较好的泛化能力和较高的软测量精度......”。