J4 ›› 2013, Vol. 31 ›› Issue (2): 203-209.
丁硕, 常晓恒, 巫庆辉
DING Shuo, CHANG Xiao-heng, WU Qing-hui
摘要:
为精确反映数字式涡流传感器的输入输出特性, 为其非线性补偿提供可靠依据, 对传统BP(Back Propagation)神经网络进行改进, 利用LMBP(Levenberg Marquart Back Propagation)神经网络和RBF(Radial Basis Function)神经网络对涡流传感器的输入输出特性曲线进行拟合, 并将两者拟合结果进行对比研究。仿真结果表明, 在训练样本数量相等且中小规模网络的条件下, 采用RBF神经网络比采用LMBP神经网络进行曲线拟合的误差更小、 收敛速度更快且具有更高的拟合精度, 为工程实际中一维数据的拟合方法选择提供了依据。
中图分类号: