《LMBP和RBF在ECS特性曲线拟合中对比研究》PDF+DOC
作者:丁硕,常晓恒,巫庆辉
单位:吉林大学
出版:《吉林大学学报(信息科学版)》2013年第02期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFCCYD2013020190
DOC编号:DOCCCYD2013020199
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于LMBP神经网络的涡流传感器曲线拟合研究》PDF+DOC 丁硕,胡庆功,常晓恒,巫庆辉
《一种利用RBF神经网络的传感器建模新方法》PDF+DOC2002年第03期 王雪萍,林康红
《基于BP神经网络的数字式涡流传感器特性曲线拟合的实现》PDF+DOC2012年第16期 丁硕,巫庆辉,杨友林
《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
《基于RBF神经网络算法的被动红外探测器设计及单片机实现》PDF+DOC2007年第03期 邵忠良,黎安军,曹薇,吕军
《基于RBF神经网络的燃气轮机转速传感器故障诊断研究》PDF+DOC2015年第02期 朱嵘嘉,孟东,曹丹丹
《基于模糊RBF神经网络的传感器动态特性补偿研究》PDF+DOC2010年第07期 王军号,孟祥瑞
《基于LMBP神经网络的振弦式传感器温度补偿》PDF+DOC2009年第07期 吴康雄,刘杨
《一种基于神经网络算法的高精度拟合传感器温度特性曲线的方法》PDF+DOC2007年第02期 曾喆昭,竺炜,孙湘海,王耀南
为精确反映数字式涡流传感器的输入输出特性,为其非线性补偿提供可靠依据,对传统BP(BackPropagation)神经网络进行改进,利用LMBP(Levenberg-Marquart Back Propagation)神经网络和RBF(Radial BasisFunction)神经网络对涡流传感器的输入输出特性曲线进行拟合,并将两者拟合结果进行对比研究。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,采用RBF神经网络比采用LMBP神经网络进行曲线拟合的误差更小、收敛速度更快且具有更高的拟合精度,为工程实际中一维数据的拟合方法选择提供了依据。
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。