《基于蚁群聚类算法的RBF神经网络在压力传感器中的应用》PDF+DOC
作者:孙艳梅,都文和,冯昌浩,刘道森,卢俊国,崔全领,苗凤娟,宋志章
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2013年第06期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2013060090
DOC编号:DOCCGJS2013060099
下载格式:PDF + Word/doc 文字可复制、可编辑
《改进型RBF神经网络在磁致伸缩液位传感器中的应用》PDF+DOC2015年第12期 王晓,杨祖安,彭碧辉
《基于改进RBF神经网络的传感器温度补偿系统研究》PDF+DOC2016年第06期 宋瑞娟
《基于蚁群算法的RBF神经网络在冲量式谷物流量传感器中的应用》PDF+DOC2019年第15期 刘畅,李志刚,伟利国,王吉中,李阳
《基于RBF神经网络模型和SVM模型的压力传感器温度补偿方法》PDF+DOC2012年第26期 景晓璐,张小栋,耿加民
《基于RBF神经网络的智能传感器测量误差补偿方法》PDF+DOC2014年第10期 盛晓龙,夏虹
《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
《基于RBF神经网络的振弦式传感器在矿压测量中的温度补偿》PDF+DOC2010年第34期 赵国材,谭晓静,王昊轶
《基于RBF神经网络对电磁力平衡传感器测量精度的研究》PDF+DOC2007年第01期 陆青丽,郑崇苏
《基于RBF神经网络的加速度传感器动态补偿研究》PDF+DOC2007年第04期 俞阿龙
《基于小波和RBF神经网络的多传感器时间对准算法研究》PDF+DOC2014年第01期 邓捷,陆百川,马庆禄,刘权富
针对压力传感器在应用中存在温度漂移这一缺点,提出了一种基于蚁群聚类算法的RBF(Radial Basis Function)神经网络温度补偿方法。利用蚁群算法的并行寻优特征和一种自适应调整挥发系数的方法作为聚类算法来确定RBF神经网络的基函数的位置,并通过裁减的方法约简隐层的神经元达到简化网络结构的目的。通过仿真可以看出,该算法具有误差小,精度高等优点,对压力传感器的温度漂移有较好的补偿效果。
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。