用基于△规则和最速下降法的反向传播算法构建了一个能够超前１ｈ预测青霉素补料分批培养状态变化的人工神经网络模型。分别考察了不同隐层层数及神经元数、不同步长、不同初始权矩阵及不同收敛准则对人工神经网络模型的影响。研究结果表明：当网络拓扑结构为５-３-５-３，步长为１、初始权值取０.９８及收敛准则为１０-１０时，所得到的模型能够很好地描述青霉素补料分批培养过程
方柏山; 胡宗定;. 青霉素补料分批培养的人工神经网络模型[J]. 生物工程学报, 1996, 12(增刊):
通信地址：中国科学院微生物研究所 邮编：100101
电话：010-64807509 E-mail：cjb@im.ac.cn
