检索结果-南通市图书馆

基于树突神经网络的MEMS压力传感器误差补偿方法

在线全文

学校读者我要写书评

暂无评论

传感技术学报 2023年第1期36卷 93-98页

作者：赵月爱白渊铭太原师范学院计算机科学与技术学院山西晋中030619

压力传感器的性能因自身工艺或环境温度变化而造成影响,在实际应用中,因环境温度的改变而造成的传感器输出误差尤为突出。现今微机电系统(MEMS)压力传感器在线性度与灵敏度方面较之前已有了很大提高,但温度漂移问题依然存在。传统的误... 详细信息

压力传感器的性能因自身工艺或环境温度变化而造成影响,在实际应用中,因环境温度的改变而造成的传感器输出误差尤为突出。现今微机电系统(MEMS)压力传感器在线性度与灵敏度方面较之前已有了很大提高,但温度漂移问题依然存在。传统的误差补偿方法如线性回归模型、BP神经网络或BP神经网络的优化算法,均能对传感器的误差有修正效果,但还有提升空间。针对以上问题,在MEMS压力传感器中嵌入温度传感器模块,并构建了一种基于树突神经网络的误差补偿模型。该模型首先对采集数据进行逻辑组合关系预处理,然后用树突神经网络对传感器数据进行误差补偿。实验结果表明,使用数据逻辑关系预处理后的BP神经网络模型评估指标平均绝对误差(MAE)由9.1降至0.191,而用树突神经网络模型后,该指标更是降低至0.043 48,精度提升效果非常明显,证明所提方法能够有效地补偿MEMS压力传感器误差。

关键词：压力传感器误差补偿数据逻辑组合树突神经网络

在线全文

学校读者我要写书评

暂无评论

树突神经网络分析

计算机时代 2019年第9期 8-12页

作者：刘向文李玮葛瑞泉杭州电子科技大学计算机学院

树突神经网络(DENN)是一种含有局部非线性树突结构的特殊神经网络模型。文章研究了DENNs在网络结构变化的情况下模型的学习行为。在有监督学习任务的实验中发现,局部非线性结构的DENNs可以提高模型的表达能力,并且在中等树突分支数量时... 详细信息

树突神经网络(DENN)是一种含有局部非线性树突结构的特殊神经网络模型。文章研究了DENNs在网络结构变化的情况下模型的学习行为。在有监督学习任务的实验中发现,局部非线性结构的DENNs可以提高模型的表达能力,并且在中等树突分支数量时表达能力最强,在网络较小的情况下DENNs模型比常规前馈型神经网络的优势表现得更加明显。在随机噪声数据集上的实验中发现DENNs拟合能力的优势不明显,这种现象进一步表明,DENNs的容量优势与自然图像数据中的冗余有关。

关键词：树突神经网络局部非线性有监督学习网络表达能力

在线全文

学校读者我要写书评

暂无评论

树突神经网络模型优化研究

树突神经网络模型优化研究

作者：刘向文杭州电子科技大学

学位级别：硕士

在人工神经网络模型中,神经元的树突通常被建模为简单的线性结构,树突将输入信息进行加权运算后传递到神经元的输出端。然而,许多研究表明,生物神经元的树突结构的功能远远比这种简单的线性加法器复杂。大量的实验研究表明生物神经元中... 详细信息

在人工神经网络模型中,神经元的树突通常被建模为简单的线性结构,树突将输入信息进行加权运算后传递到神经元的输出端。然而,许多研究表明,生物神经元的树突结构的功能远远比这种简单的线性加法器复杂。大量的实验研究表明生物神经元中的树突结构包含有很强的局域非线性,突触输入可以对其邻近的突触产生非线性影响。这一特性极大地提高了局部非线性成分在神经元输出中的作用,使神经网络拥有更强的信息处理能力。本文将生物神经元中树突的非线性结构应用到人工神经网络中,研究这一结构对神经网络信息处理能力的影响。主要研究内容如下:第一,从理论层面上研究树突神经网络相对于传统神经网络的优势。首先,借鉴标准前馈型神经网络的定义,提出树突神经网络模型的数学表达。其次,通过构建法证明树突神经网络模型和传统前馈型神经网络模型都有万能近似的特性。最后,通过估算函数空间中局部线性区域的数量,研究网络模型在改变树突单元拓扑结构时模型复杂度的变化。第二,从实验层面上研究使用分段线性激活函数的树突神经网络在监督学习任务中的优势和表现特性。首先,在自然图像数据集上进行实验,结果表明,树突神经网络模型比标准前馈型神经网络有更强的拟合能力。这一点在网络模型较小的情况下表现得尤为明显。其次,在UCI数据集上进行实验,结果表明,树突神经网络的局部非线性结构能够提高模型的泛化性能,其性能优于无约束的普通神经网络模型。

关键词：树突神经网络有监督学习局部非线性结构分段线性神经网络

基于深度神经网络的7065铝合金厚板应力检测模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年

作者：杨小平武修瑞郑许任月路朱玉涛何克准卢祥丰莫红楼桂林理工大学广西嵌入式技术与智能系统重点实验室桂林理工大学计算机科学与工程学院桂林理工大学物理与电子信息工程学院广西铝合金材料与加工重点实验室广西南南铝加工有限公司

针对在工业生产中在不同拉伸率的铝合金板材和外部温度下传统的超声应力检测法存在测量误差的问题，以7065铝合金厚板为实验对象，提出一种基于树突神经网络算法与传统超声检测法融合的针对不同拉伸率在各个温度下的应力检测模型，然后... 详细信息

针对在工业生产中在不同拉伸率的铝合金板材和外部温度下传统的超声应力检测法存在测量误差的问题，以7065铝合金厚板为实验对象，提出一种基于树突神经网络算法与传统超声检测法融合的针对不同拉伸率在各个温度下的应力检测模型，然后使用改进的GSA-GRNN进行对该应力模型进行温度补偿。该研究以南南铝公司生产的7065铝合金厚板为研究对象，使用恒温槽为超声检测提供恒温环境，实验分别对不同拉伸率、不同温度下的7065铝合金厚板进行超声检测，将声时差、拉伸率作为输入参数，应力作为输出参数，创建一个基于树突神经网络的应力检测模型，然后将应力检测模型的输出作为输入，使用改进的GSA-GRNN建立温度补偿模型对应力检测模型进行温度补偿。研究结果表明：融合了传统超声声时差的检测模型均方根误差为0.84636，相关系数为0.99743，通过和其他神经网络模型对比，该模型可以拥有更好的精度，在对该模型进行温度补偿后，模型的应力均方根误差和相关系数分别可以达到0.78848和0.99844，模型的精度得到了进一步的提升，证明了基于数据驱动的神经网络融合传统超声检测可以有效降低检测误差，同时省去了传统检测方法的人工计算应力的时间，提高了检测效率。研究结果可以为进一步优化基于数据驱动的应力检测模型和铝合金生产检测领域提供一定参考。

关键词：应力检测树突神经网络粒子群算法万有引力搜索算法声时差

基于机器学习算法的滑坡土壤含水率预测方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

水电能源科学 2024年第3期42卷 73-77页

作者：杨小平段生锐蒋力刘光辉桂林理工大学信息科学与工程学院广西桂林541004 桂林理工大学广西嵌入式技术与智能系统重点实验室广西桂林541004 广西壮族自治区地质环境监测站广西南宁530029 桂林赛普电子科技有限公司广西桂林541004

土壤含水率是影响坡体稳定性的决定因素之一。针对滑坡体内部土壤水分信息难以准确感知的问题,建立了一种基于机器学习算法树突神经网络的土壤含水率预测模型(DDNN),通过分析土壤水分垂向变化特征和数据相关性确定关键的影响因子后,将... 详细信息

土壤含水率是影响坡体稳定性的决定因素之一。针对滑坡体内部土壤水分信息难以准确感知的问题,建立了一种基于机器学习算法树突神经网络的土壤含水率预测模型(DDNN),通过分析土壤水分垂向变化特征和数据相关性确定关键的影响因子后,将水分预测模型DDNN与GA-BP、RF、RBFNN三种算法进行对比试验。发现DDNN预测模型的拟合优度R2最高为0.998,均方根误差和平均绝对误差均最小,分别为0.091、0.059,其预测精度明显高于其他三种算法。并采用关系谱探究了相关影响因素对土壤含水率的敏感程度。结果表明,敏感度由高到低依次为气温、降水、初始水分、风速、地温,研究结果可为滑坡体稳定性分析提供技术方法支撑。

关键词：机器学习算法树突神经网络滑坡体土壤含水率预测相关性敏感性

同方期刊数据库