LMBP和RBF在ECS特性曲线拟合中对比研究

• 作者: 丁硕 巫庆辉 常晓恒
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: LMBP神经网络 RBF神经网络 涡流传感器 曲线拟合
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 203-209
• 页数: 7页
• 分类号: TP212
• 字数: 4048字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	巫庆辉	渤海大学工学院	46	413	9.0	18.0
2	丁硕	渤海大学工学院	42	451	11.0	19.0
3	常晓恒	渤海大学工学院	34	306	8.0	16.0