《k-means-RBF集成神经网络在工业尾气检测中的应用》PDF+DOC
作者:刘萍,龚雪飞,简家文,张帆,陈志芸
单位:宁波大学
出版:《宁波大学学报(理工版)》2017年第01期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFNBDZ2017010220
DOC编号:DOCNBDZ2017010229
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于集成神经网络的汽车尾气检测系统设计》PDF+DOC2016年第04期 刘萍,简家文,陈志芸
《基于蚁群神经网络的两级信息融合算法》PDF+DOC2016年第08期 吕红芳,顾幸生
《基于PSO算法集成神经网络的多元有害气体检测系统》PDF+DOC2015年第06期 龚雪飞,刘萍,简家文
《一种新的温度传感器湿度补偿方法》PDF+DOC2016年第06期 邹水平,行鸿彦,于祥
《一种基于PID神经网络的农作物土壤湿度控制算法》PDF+DOC2017年第06期 高燕,刘红霞
《决策层信息融合的神经网络模型与算法研究》PDF+DOC1997年第09期 黎湘,郁文贤,庄钊文,郭桂蓉
《基于ARM的指纹识别平台设计》PDF+DOC2005年第03期 支华,巢佰崇,陈雪丰
《基于Chebyshev神经网络的汽轮机传感器参数校正》PDF+DOC2003年第01期 马维山,张琴舜
《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
《基于正交基神经网络的热敏电阻温度传感器非线性补偿方法》PDF+DOC2008年第06期 廖南平
神经网络是工业尾气检测系统的一个重要组成部分.为提高神经网络的预测精度和收敛速度,建立k-means-RBF集成神经网络模型.首先,通过选取不同的径向基函数神经网络参数,得到一组RBF神经网络;然后,利用k-means算法对生成的RBF神经网络进行聚类,并筛选出各类中精度较高的神经网络;最后,通过简单平均法对筛选出的神经网络进行集成,得到高性能的k-means-RBF集成神经网络模型.为验证模型有效性,搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证.结果表明,与粒子群算法优化后的Back Propagation(PSO-BP)神经网络模型相比,k-means-RBF集成神经网络模型的平均预测精度提高78.27%,收敛时间节省99.65%。
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。