作者:刘萍,简家文,陈志芸,张晓娟 单位:中国电子科技集团公司第四十九研究所 出版:《传感器与微系统》2016年第03期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFCGQJ2016030470 DOC编号:DOCCGQJ2016030479 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 《Adaboost集成BP神经网络在传感器阵列检测系统中的应用》PDF+DOC2015年第04期 洪磊,龚雪飞,孙寿通,简家文 《基于改进BP神经网络的汽车尾气检测系统设计》PDF+DOC2018年第10期 黄伟军,华猛,吴晨辉 《基于BP神经网络的风洞传感器非线性误差修正方法》PDF+DOC2016年第03期 张鹏,杨兴锐,严翔,殷造林,李燕君 《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 《基于加速度的BP神经网络手势识别设计》PDF+DOC2016年第21期 贾维闯,宫进,吴雄华 《基于BP神经网络的单传感器检测定位方法》PDF+DOC2002年第02期 龙芋宏,毛汉领 《基于BP神经网络的开关磁阻电机无位置传感器控制》PDF+DOC2011年第05期 李大鹏,樊胜利,代尚方,吴涛 《基于主成分分析法的BP神经网络的应用》PDF+DOC2011年第01期 方健,李自品,彭辉,戴思初,吴晓文 《基于BP神经网络的智能压力传感器设计》PDF+DOC2010年第05期 张世英,于玺兴,朱杰堂
  • 为了准确、快速、高效地检测汽车尾气中各气体的质量分数,结合传感器阵列和神经网络技术,设计了一种汽车尾气检测系统。为了提高神经网络模型的拟合和预测能力,提出伪逆BP集成神经网络模型:利用伪逆法求得不同BP神经网络集成的最优权重系数,再通过加权平均法集成BP神经网络。利用伪逆BP集成神经网络模型对传感器阵列信号进行回归分析,结果表明:该模型的预测相对误差均小于5%,对比传统Adaboost—BP集成神经网络模型,该模型实现更简单,收敛更快,收敛精度和预测精度更高。

    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。