基于优化ELM网络的物理量回归方法研究

• 作者: 刘长勇 彭涛 王宜怀 王平
• 来源期刊: 现代电子技术
• 关键词: 机器学习算法 模/数转换 极限学习机网络 遗传算法 优化方法 物理量回归 动态校正
• 年，卷（期）: 2020,（17）
• 所属期刊栏目: 电子技术及应用
• 页码范围: 141-146
• 页数: 6页
• 分类号: TN711-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.17.033

摘要

针对传统的A/D值转换物理量回归方法中存在表达不统一、动态适应性弱和在线非线性校正能力不足等问题,尝试将机器学习的ELM网络引入到该应用中.在分析A/D值转换物理量回归的知识要素基础上,依托ELM网络的非线性映射能力,提出利用遗传算法优化ELM网络,并利用其实现统一数学表达的A/D值转换物理量回归方法.实际应用表明,该方法对物理量回归问题可实现统一的数学模型表达,泛化性好,且非线性校正能力强,实现了各类A/D值转换物理量回归应用.