排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
2.
基于遗传算法和线性神经网络的浓度传感器输出特性拟合 总被引:1,自引:0,他引:1
针对最小二乘法、分段线性化、神经网络等拟合方法的不足,提出了解决浓度传感器输出特性拟合和在线标定的遗传神经网络方法.该方法首先使用遗传算法优化线性神经网络的权值,再用神经网络对浓度传感器的输出特性进行拟合,提出遗传进化停滞算子与自适应变异方法,实验验证该方法的有效性.当环境条件发生变化时,只要测量几组数据对,该方法可自动重新训练网络,获得新的多项式系数,实现浓度传感器的在线动态标定. 相似文献
3.
4.
摄像机标定是精密测量的基础,传统的双目标定需要建立复杂的数学模型。人工神经网络可以有效地处理非线性映射问题,它可以很好地描述双目视觉中三维空间特征点坐标和二个摄像机对应点间的非线性关系。本文介绍一种RBF神经网络,并对RBF网络与BP网络的标定结果进行比较。实验结果表明:基于RBF神经网络的双目视觉标定方法能获得较高的标定精度。 相似文献
5.
6.
7.
8.
9.
针对热敏电阻温度传感器应用中存在的非线性问题,提出了应用小波神经网络实现其非线性补偿的方法,介绍了非线性补偿的原理,完整的推导了小波神经网络训练过程。实验结果表明,该方法补偿精度高,优于BP神经网络。 相似文献
1