1.
|
基于模拟电路的切彼雪夫神经网络电路设计
|
|
|
|
|
黄望军 方雪华《微电机》,2001年第34卷第2期
|
|
以Chebyshev神经网络为基础,给出了非线性函数的仿真实例,并提出了用模拟电路实现Chebyshev神经网络的方法。
|
2.
|
Chebyshev神经网络电路设计
|
|
|
|
|
刘祖润 曾哲昭《煤矿自动化》,1999年第6期
|
|
以Chebyshev神经网络为基础,给出了非线性函数的仿真实例,并提出了用模拟电路实现Chebyshev神经网络的方法。
|
3.
|
Chebyshev神经网络电路设计
|
|
|
|
|
刘祖润 曾喆昭 张志飞 邹阿金《工矿自动化》,1999年第6期
|
|
以Chebyshev 神经网络为基础,给出了非线性函数的仿真实例,并提出了用模拟电路实现Cheby shev 神经网络的方法。
|
4.
|
Chebyshev神经网络电路设计 被引次数:3
|
|
|
|
|
曾喆昭 刘祖润 张志飞 邹阿金《电气自动化》,2000年第22卷第1期
|
|
本文以Cheybshev神经网络为基础,给出了非线性函数的仿真列,并担子同用模拟电路实现Chebyshev神经网络的方法。
|
5.
|
基于单片机的Chebyshev神经网络硬件设计
|
|
|
|
|
刘祖润 曾喆昭 张志飞 邹阿金《半导体技术》,1999年第24卷第5期
|
|
介绍了Chebyshev神经网络简洁拓扑结构及逼近任意非线性映射的优异特性,并提出了一种神经网络硬件设计方法。
|
6.
|
Chebyshev神经网络的改进及其应用 被引次数:4
|
|
|
|
|
叶军《机床与液压》,2003年第3期
|
|
针对目前Chebyshev神经网络所存在的不足,提出一种改进的Chebyshev神经网络,它使用多输入多输出神经网络结构与使用改进的Chebyshev正交多项式。因此改进的神经网络不仅扩大了网络辨识模型的能力与学习适应性,而且算法简单,学习收敛速度快,有线性、非线性逼近精度高等优异特性。文中给出两个应用实例,仿真结果表明是有效的。
|
7.
|
一种神经网络判决反馈均衡器
|
|
|
|
|
赵海全 谢明元 曾祥萍《数据采集与处理》,2006年第21卷第Z1期
|
|
在分析Chebyshev正交多项式神经网络非线性滤波器的基础上,利用判决反馈均衡器的结构特点,提出了一种Chebyshev正交多项式神经网络判决反馈均衡器,给出了对应的自适应NLMS算法.数值仿真结果表明,该均衡器结构能够更有效地消除码间和非线性干扰,降低信号的误码率.
|
8.
|
复数Chebyshev神经网络在信道均衡中的应用 被引次数:2
|
|
|
|
|
邓晓红 张家树《信号处理》,2003年第19卷第1期
|
|
首次把Chebyshev神经网络成功地应用在通信系统的信道均衡研究中,并且提出了适合于正交幅度调制(QAM)通信系统的复数Chebyshev神经网络均衡算法.计算机仿真表明,该算法在QAM通信系统的信道均衡中表现出了优良的性能.
|
9.
|
基于Chebyshev神经网络的汽轮机传感器参数校正
|
|
|
|
|
马维山 张琴舜《微型电脑应用》,2003年第19卷第1期
|
|
本文提出了用Chebyshev神经网络进行传感器参数的实时校正的方法,依据Chebyshev神经网络模型编制的程序可以准确的构造传感器的实际热电函数,且程序具有实时性,实验表明该方案的实时性和精度均能满足实际需要,实用性很强。
|
10.
|
基于改进的Chebyshev神经网络的用水量预测 被引次数:2
|
|
|
|
|
陈雪艳 李平 袁艺 石向星《石油化工高等学校学报》,2005年第18卷第1期
|
|
针对目前Chebyshev神经网络存在的不足,从算法和网络结构方面进行了综合改进。改进后的Chebyshev神经网络不仅符合生物神经网络的基本特征,算法简单,收敛速度快,而且网络输入可以是任意值,是一种多输入的多层前向神经网络模型,因而扩大了网络辨识模型的能力与学习适应性,并有逼近任意线性和非线性映射的优异特性。用改进的Chebyshev神经网络对城市的家庭用水需求量进行建模和预测。仿真结果表明,改进的Chebyshev神经网络为预测家庭用水需求量提供了一种有效的方法,它不仅具有优良的预测能力,而且在相同精度的前提下,其收敛速度也优于一般的BP网络。
|
11.
|
BP神经网络和Elman神经网络在模拟电路故障诊断中的应用
|
|
|
|
|
杨晨 石宝军《数字社区&智能家居》,2011年第17期
|
|
通过分析BP神经网络和Elman神经网络的基本结构和算法,研究了基于神经网络的模拟电路故障诊断方法,并通过仿真实验对比分析了BP神经网络和Elman神经网络的诊断能力。结果表明,BP神经网络的收敛速度相对较慢、训练时间长;Elman神经网络的结构参数调整简单、训练时间短、性能稳定,更适合存在容差、非线性等问题的模拟电路故障诊断。
|
12.
|
基于切比雪夫神经网络模块实现热电偶热电特性线性化
|
|
|
|
|
张国云 彭仕玉 禹柳飞 龚辂洲《计量技术》,2002年第3期
|
|
提出了利用切比雪夫 (Chebyshev)神经网络模块SN970 1对热电偶传感器非线性特性线性化的硬件实现方法 ,并介绍了SN970 1的训练方法。计算机仿真结果表明 ,利用该方法计算结果比常用的最小二乘拟合法更准确。该方法不仅提高了计算准确度 ,而且整个计算完全由硬件电路实现 ,不占用CPU开销时间
|
13.
|
基于BP神经网络的电路最优测试集的生成设计
|
|
|
|
|
张春仙 张巍 王妍《微计算机信息》,2009年第25卷第5期
|
|
BP神经网络是目前用于模拟电路故障诊断的神经网络之一.本文应用BP神经网络完成了实际电路最优测试集的生成设计,验证了基于BP神经网络的最优测试集的生成的可行性和有效性.
|
14.
|
基于Chebyshev正交函数神经网络的混沌系统鲁棒自适应同步 被引次数:1
|
|
|
|
|
王宏伟 于双和《控制理论与应用》,2009年第26卷第10期
|
|
提出了基于Chebyshev正交函数神经网络的不确定性混沌系统的鲁棒自适应同步方法.首先,本文提出了正交函数神经网络的网络结构,分析了利用Chebyshev正交多项式形成神经网络的机理.利用Lyapunov稳定性定理确定正交函数神经网络控制器的权值更新规则,并保证权值误差和跟踪误差的有界性.该方法能克服不确定性对混沌系统同步的破坏,实现了良好的同步效果.在本文最后,针对Lorenz系统进行了数值计算,数值计算结果表明了所给方法的有效性.
|
15.
|
水电站混凝土浇筑用冷水管结垢系数的神经网络预测模型
|
|
|
|
|
《水力发电》,2020年第10期
|
|
为了准确、有效的预测水电站大坝大体积混凝土浇筑的冷水管内部污垢的累积规律,设计了一种基于K均值算法和Chebyshev神经网络相结合的污垢预测模型。利用改进的神经网络预测污垢系数时,具有算法简单、收敛速度快的特点。改进的Chebyshev神经网络模型提供了一个预测污垢系数的有效方法,且具有较好的预测能力;在相同的精度下,该方法的收敛速度优于一般的神经网络。
|
16.
|
基于BP神经网络的模拟电路诊断系统研究 被引次数:1
|
|
|
|
|
郝俊寿 丁艳会《现代电子技术》,2009年第32卷第2期
|
|
以现代测试技术、信号处理、信息融合等理论为基础,以神经网络在模拟电路故障诊断中的应用为主线,详细讨论BP神经网络在模拟电路故障诊断中的应用和故障特征提取方法.采用多频组合法建立了故障样本集.对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性.
|
17.
|
Legendre神经网络非线性信道均衡
|
|
|
|
|
赵海全 张家树 曾祥萍《信息与控制》,2007年第36卷第2期
|
|
在分析Chebyshev正交多项式神经网络非线性滤波器的基础上,利用Legendre正交多项式快速逼近的优良特性以及判决反馈均衡器的结构特点,提出了两种新型结构的非线性均衡器,并利用NLMS算法,推导出自适应算法.仿真表明,无论通信信道是线性还是非线性,Legendre神经网络自适应均衡器与Chebyshev神经网络均衡器的各项性能均接近,而Legendre神经网络判决反馈自适应均衡器能够更有效地消除码间干扰和非线性干扰,误码性能也得到较好的改善.
|
18.
|
基于粒子群-小波神经网络的模拟电路故障诊断 被引次数:1
|
|
|
|
|
左磊 侯立刚 高大明 彭晓宏 吴武臣《北京工业大学学报》,2010年第36卷第3期
|
|
针对传统小波神经网络技术在模拟电路故障应用中存在的问题,提出了一种基于粒子群-小波神经网络的模拟电路故障诊断方法.利用该方法对滤波电路进行了故障检测,结果表明,该方法优于传统的小波神经网络方法.
|
19.
|
模拟电路故障诊断的仿真研究
|
|
|
|
|
朱秀娥《福建建筑高等专科学校学报》,2014年第1期
|
|
介绍改进的前馈神经网络在模拟电路故障诊断中的应用.利用Proteus仿真软件采集样本数据,在Matlab7.0的平台上训练前馈神经网络并仿真验证了改进的前馈神经网络应用于模拟电路故障诊断的可行性.
|
20.
|
基于傅丽叶变换——神经网络的模拟电路故障诊断
|
|
|
|
|
邹燕秋 韦忠善《广西轻工业》,2007年第23卷第12期
|
|
提出了一种基于傅丽叶变换与神经网络的模拟电路故障诊断方法,该方法用傅丽叶变换对电路频域响应信号进行数据压缩,用神经网络对模拟电路进行故障诊断。仿真表明,该方法能简化神经网络的结构,降低计算的复杂度,加快训练速度,提高诊断准确率。
|