RBF神经网络在动物动态称重中的研究 |
| |
作者姓名: | 郭晨霞 李达 杨瑞峰 |
| |
作者单位: | 1. 中北大学仪器与电子学院;2. 山西省自动化检测装备与系统工程技术研究中心 |
| |
基金项目: | 山西省重点研发计划(201903D121118);;山西省回国留学人员科研资助项目(2020-111); |
| |
摘 要: | 针对动物动态称重数据样本不平稳,真实信号淹没在噪声中导致动物体重难以快速准确测量的问题,通过将RBF神经网络引入到动态称重数据的处理中,结合经验模态分解(EMD)算法处理动态称重数据的对比试验,得出RBF神经网络能有效降低干扰信号影响的结论。EMD算法处理数据的平均相对误差为9.51%,RBF算法处理数据的平均相对误差为5.86%。实验结果表明,RBF算法处理动态称重数据的平均相对误差比EMD算法高了近一倍,证实了RBF算法应用于动物动态称重数据比EMD算法更有效。
|
关 键 词: | RBF神经网络 EMD 动态称重 平均相对误差 |
|
|