基于广义回归神经网络的阳极效应自动预测

• 作者: 田晔非 翟渊
• 来源期刊: 电子器件
• 学科: 工学
• 关键词: 阳极效应 预测方法 神经网络 学习样本 预测误差
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 电子电路设计分析及应用
• 页码范围: 1291-1295
• 页数: 5页
• 分类号: TP183
• 字数: 4029字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9490.2018.05.041

摘要

针对当前阳极效应预测方法存在精度低、过拟合等缺陷,根据阳极效应的非线性、时变性等变化特点,设计了一种基于广义回归神经网络的阳极效应自动预测模型.首先采集阳极效应预测的样本,并对样本数据预处理,建立阳极效应预测的学习样本,然后将阳极效应的学习样本输入到广义回归神经网络进行学习,构建阳极效应自动预测模型,最后进行了具体的阳极效应预测仿真实验,并与其他模型进行了阳极效应预测的对比测试.结果表明,广义回归神经网络可以有效的拟合阳极效应变化特点,提高了阳极效应预测精度,而且预测误差明显要小于当前其他阳极效应预测模型,具有较高的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟渊	重庆科技学院电气与信息工程学院	10	7	2.0	2.0
2	田晔非	重庆大学电气工程学院	12	10	2.0	2.0