Применение динамической рекуррентной нейронной сети - нейронной сети Эльмана для прогнозирования вакуума конденсатора. Через вычисления можно увидеть, что этот метод может относительно точно прогнозировать вакуум конденсатора, обладает быстрой скоростью обучения, простой структурой и высокой точностью, что является эффективным методом прогнозирования. В то же время указывается, что алгоритм обратного распространения нейронной сети может достигать локального минимума, и предлагается метод улучшения коэффициентов весов соединения нейронной сети Эльмана с использованием способности глобального поиска алгоритма оптимизации роя частиц. Результаты моделирования показывают, что с использованием алгоритма оптимизации роя частиц сеть нейронной сети Эльмана может создавать более точную модель прогнозирования вакуума конденсатора.

конденсатор; вакуум; нейронная сеть; алгоритм оптимизации роя частиц; моделирование