《用RBF神经网络改善传感器输出特性》PDF+DOC
作者:史健芳,龚海燕,汤洪彪
单位:中国计算机用户协会自动控制分会;中国计算机用户协会山西分会
出版:《微计算机信息》2008年第28期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFWJSJ2008280980
DOC编号:DOCWJSJ2008280989
下载格式:PDF + Word/doc 文字可复制、可编辑
《优化RBF神经网络在压力传感器中的应用》PDF+DOC2012年第03期 彭继慎,程英
《基于遗传算法的RBF神经网络在涡流传感器非线性补偿中应用》PDF+DOC2008年第03期 俞阿龙
《基于遗传算法的RBF神经网络在热敏电阻温度传感器非线性补偿中的应用》PDF+DOC2005年第08期 俞阿龙
《基于RBFNN的铂电阻温度传感器非线性补偿》PDF+DOC2005年第12期 俞阿龙
《RBF神经网络在传感器校正中的应用》PDF+DOC2003年第01期 汪晓东
《基于RBF神经网络的汽车传感器故障诊断方法研究》PDF+DOC2011年第05期 李涵武,赵玉春,迟秋玲
《基于RBF神经网络的热敏电阻温度传感器非线性补偿方法》PDF+DOC2007年第05期 俞阿龙
《热敏电阻温度传感器非线性补偿方法》PDF+DOC2007年第03期 靳丽艳,蒋伟荣,张涛
《基于RBF网络的数据融合在废气数据处理中的应用》PDF+DOC2007年第04期 庞敏,朱伟兴
《电容式压力传感器温度补偿的RBF神经网络》PDF+DOC2001年第05期 张雪君
针对传感器输出易受温度、湿度等因素影响的问题,提出利用RBF神经网络良好的学习、泛化和非线性逼近能力改善传感器的输出特性。RBF神经网络采用不需要事先确定隐层单元个数、可在线自适应学习的最近邻聚类学习算法。将该算法用于易受温度影响的压力传感器的非线性校正,仿真结果表明RBF神经网络在对传感器输出信号的补偿精度和网络训练速度方面均优于BP神经网络和传统的非线性补偿方法。该方法可推广应用于其他传感器输出特性的优化。
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。