作者：朱庆保 单位：中国科学院软件研究所 出版：《》 页数：6页  （PDF与DOC格式可能不同） PDF编号：PDFRJXB1999120100 DOC编号：DOCRJXB1999120109 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 该文阐述了用神经网络校正传感系统非线性误差的原理和方法 ，提出了一种新颖的简化小脑模型神经网络 (SCMAC)及其模型、算法与实现技术 .模型、算法采用直接权地址映射技术 ，以训练样本的输入为地址 ，建立起输入与权重的关系 .任意输入作为相近的权地址 ，即可找到对应的权 ，经过联想插补后可获得高精度输出 .此外 ，采用磁盘文件存储、寻址权重等方法 ，避免了微机内存溢出 ，使得实现容易 .最后给出了一个仿真实验 .实验结果表明 ，用 SCMAC校正后 ，可使传感器的非线性误差减少到近似为零

    📙 相关资料

    1. 《非线性传感特性的神经网络学习校正方法及应用》PDF+DOC 非线性误差是传感器的主要误差之一 ，用硬件补偿或用查表、曲线拟合等方法复杂且精度低。研究了一种神经网络校正方法 ，并提出了一种改进的小脑模型神经网络 ，仿真和应用表明 ，可使非线性误差减小到近似为零。...
    2. 《最佳拟合与神经网络相结合实现传感器特性线性化》PDF+DOC 提出了一种传感器特性线性化的方法 .该方法把传感器特性分为线性和非线性段 ，用一种改进的BP神经网络映射传感器特性非线性段的反函数作为校正环节 ，用最佳拟合方法得到线性段的直线方程 ，从而实现传感器特性的线性化 .经过仿真试用表明 ，这种方法可使传感器的非线性误差减小近十倍 .最后 ，给出了一些仿真......
    3. 《改善传感器非线性的自适应分区神经网络方法》PDF+DOC 提出了一种传感器特性反函数的自适应分区神经网络辨识方法，这种方法根据学习准确度的要求，用自适应方法把传感器特性的反函数分成若干区间，分别用一个BP神经网络去学习辨识进而取代，从而实现传感器特性的线性化。实验结果表明，非线性误差可减小到原来的十分之一。...
    4. 《直接映射低维小脑模型神经网络及在机器人传感器中的应用》PDF+DOC 提出了一种能高速度、高精度学习的低维小脑模型神经网络 .模型算法采用直接权地址映射技术 ，将训练样本的输入量化后直接作为联想存储器中C个权的首地址 ，建立起输入与权的关系 .经样本训练后 ，任意输入作为相近的两个样本间的权首地址 ，经过输出映射算法即可得到较精确的输出 .实验表明 ，它学习非线性函数......
    5. 《用神经网络拓展传感器的有效测量范围》PDF+DOC 针对自动检测系统中各环节存在的死区、非线性及饱和等特性 ，我们提出了采用神经网络补偿的方法来消除这些系统性误差的影响 ，从而有效地拓宽传感器测量系统的检测范围 ，在硬件成本不变的情况下 ，可以提高系统的使用性能。经过在陀螺仪方位检测系统中的现场实验 ，证明了该方法具有一定的实用价值。...
    6. 《提高传感系统准确度的软件方法及其应用》PDF+DOC 传感系统的2项主要误差是非线性误差和重复性，为了提高传感系统的准确度，提出了减小这2项误差的软件方法：即用神经网络技术减小非线性；用微机软件数字滤波技术减小重复性。与传统技术比，系统的量程扩大30%以上，非线性减小到0.1%FS以下，重复性也大幅减小，应用效果显著。...
    7. 《提高机器人位置、速度传感器分辨力的方法》PDF+DOC 用光栅构成的机器人速度、位置传感器测量系统常用硬件进行信号细分，存在细分数不高，硬件复杂等问题。为此，研究了一种神经网络细分方法，并研究了一种用于细分的直接映射小脑模型神经网络。实验和实用证明，研究的小脑神经网络具有学习精度高、速度快，算法简单等特点；只要用很少的训练样本即可达到很高的细分精度，使分......
    8. 《小脑神经网络及在机器人传感器中的应用》PDF+DOC 现有的小脑神经网络存在算法复杂、泛化精度低、收敛性差等缺点，无法直接在测量技术中使用和实现.本文研究了一种单输入单输出的小脑神经网络(SISO-CMAC)，模型算法为直接地址映射，以输入v的量化值为地址，建立起输入v与权重w的关系.另外，通过对输入v进行模糊化，增强泛化能力，并使得每次学习只要调整2......
    9. 《传感器模糊神经网络非线性误差补偿的研究》PDF+DOC 在测量系统中，传感器的非线性特性是测量系统误差的主要来源。要提高测量系统的精度，就必须进行误差补偿。设计了一个用模糊小脑神经网络实现的补偿环节。该补偿环节是一个用神经网络拟合的传感器逆特性，通过传感器的逆特性将传感器非线性特性改造成与实际物理过程相一致的不失真的线性特性，从而减小非线性误差。通过应用......
    10. 《基于神经网络的六维力传感器静态标定方法研究》PDF+DOC 利用BP神经网络研究了六维力传感器的静态标定方法.良好的泛化能力是基于神经网络标定方法的关键，而现有基于神经网络的传感器标定方法对网络的泛化能力鲜有考虑.针对上述问题，以提高神经网络泛化能力为目的，对神经网络的训练样本、训练期望误差值和网络隐层单元数等的选取进行了研究.实验及计算机仿真表明，当选取样......

    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。