《应用递推神经网络的传感器动态建模研究》PDF+DOC
作者：田社平,姜萍萍,颜国正
单位：中国仪器仪表学会
出版：《仪器仪表学报》2004年第05期
页数：3页 （PDF与DOC格式可能不同）
PDF编号：PDFYQXB2004050030
DOC编号：DOCYQXB2004050039
下载格式：PDF + Word/doc 文字可复制、可编辑
《基于递归神经网络的传感器非线性动态建模(英文)》PDF+DOC2004年第02期 田社平,丁国清,颜德田,石猛
《基于递归神经网络模型的传感器非线性动态补偿》PDF+DOC2003年第01期 田社平
《基于递归网络的传感器动态建模方法》PDF+DOC2002年第09期 田社平,颜德田,丁国清
《基于BP神经网络的传感器非线性建模》PDF+DOC2010年第29期 张君,邢璐
《非线性动态传感器系统的H模型神经网络辨识》PDF+DOC2013年第10期 刘滔,韩华亭,马婧,雷超
《多传感器集成与信息融合及其应用研究》PDF+DOC1997年第06期 应济,陈昆昌,陈子辰
《基于小波和神经网络的传感器故障诊断》PDF+DOC2004年第03期 李文军,张洪坤,程秀生
《基于神经网络的传感器冗余方法研究》PDF+DOC2001年第01期 杨国胜,谢东亮,侯朝桢
《用神经网络实现应变片温度补偿》PDF+DOC2007年第03期 谢闰根,刘刚
《传感器动态建模的最小二乘支持向量机方法》PDF+DOC2006年第07期 汪晓东,张长江,张浩然,冯根良,许秀玲
根据动态校准实验结果建立传感器的动态数学模型 ，以研究传感器的动态性能 ，是动态测试的一个重要内容。研究了递归神经网络模型在传感器动态建模中的应用。递归神经网络模型采用具有输入层、中间层、输出层的三层网络结构 ，整个网络的特性决定于相邻层间的连接权。采用递推预报误差算法训练神经网络 ，具有收敛速度快、收敛精度高的特点。由于其反馈特征 ，使得递归神经网络模型能获取系统的动态响应特性。该方法特别适用于传感器非线性动态建模 ，而且避免了传感器模型阶次的选择的困难。试验结果表明 ，应用递归神经网络对传感器进行动态建模是一种行之有效的方法
提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。