共查询到10条相似文献,搜索用时 31 毫秒
1.
改进型的神经网络PSD非线性补偿研究 总被引:1,自引:0,他引:1
为进一步提高PSD传感器线性度,提出了一种基于改进型神经网络(小生境遗传算法和BP算法的混合算法)的PSD传感器的非线性调校方法,该方法利用神经网络良好的非线性映射能力逼近反非线性函数,从而完成非线性校正.仿真结果表明:与BP算法相比,改进型BP神经网络收敛速度快,而且该方法能有效地消除由于制作工艺及技术等因素对传感器非线性的影响. 相似文献
2.
3.
4.
5.
应用神经网络进行短期负荷预测 总被引:1,自引:0,他引:1
以某地区购网有功功率的负荷数据为背景,建立了3个BP神经网络负荷预测模型———SDBP,LMBP
及BRBP模型进行短期负荷预测工作,并对其结果进行比较。针对传统的BP算法具有训练速度慢,易陷入局部
最小点的缺点,采用具有较快收敛速度及稳定性的L唱M(Levenberg唱Marquardt)优化算法进行预测,使平均相对误
差有了很大改善,而采用贝叶斯正则化算法可以解决网络过度拟合,提高网络的推广能力。 相似文献
6.
本文采用遗传学习算法和误差反向传播算法(BP 网络)相结合来训练前馈人工神经网络(BPN),使网络收敛速度加快并避免局部极小。依据算法建立网络模型,用小批量训练替代单样本训练和大批量样本训练,提高网络的训练速度。通过模拟,预测结果表明,该算法收敛速度快,预测精度高,为气体模糊识别和预报提供了一种新思路和新方法。 相似文献
7.
目前,广泛运用于神经网络中的误差反向传播算法(BP算法)训练时间较长,且易陷入局部最优.为了克服BP算法的固有缺陷,文中提出了在BP算法中加入模拟退火算法权因子.在航向控制系统中进行了仿真,数据显示该算法比单纯BP算法更能优化控制器性能参数和全局搜索能力,收敛速度更快,精度提高比较明显。 相似文献
8.
9.
基于神经网络的BP算法,建立了识别建筑物物理力学参数的数值方法.在经典的BP算法中,网络中的权值的确定是将权值的计算修正过程描述为网络的训练过程,其中迭代步长由经验选定,常常造成收敛速度慢,并且收敛速度与初始权值的选择有关以及引起振荡等问题.在网络的训练过程中采用改进的BP算法,通过对学习算子的优化搜索,大大提高了网络的收敛速度,解决了BP算法迭代过程中目标函数的震荡问题.数值计算表明,所提出的改进的BP算法进行建筑结构物理力学参数识别的收敛速度和识别精度都得到了提高. 相似文献
10.
基于BP神经网络的传感器非线性补偿 总被引:1,自引:0,他引:1
由于传感器本身的非线性特性以及传感器在测量过程中外界环境因素的影响,使得传感器的输入输出特性呈现出非线性.讨论了BP神经网络模型在传感器非线性补偿中的应用.给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系.采用递推预报误差算法训练神经网络,具有收敛速度快、收敛精度高的特点.试验结果表明,应用神经网络对传感器的非线性进行动态补偿是一种行之有效的方法. 相似文献