河北工业大学学报
河北工業大學學報
하북공업대학학보
JOURNAL OF HEBEI UNIVERSITY OF TECHNOLOGY
2010年
1期
56-61
,共6页
赵利川%孙以材%潘国峰%刘帅
趙利川%孫以材%潘國峰%劉帥
조리천%손이재%반국봉%류수
BP%神经网络算法%流行的神经网络算法%温度补偿%学习率%范德堡多项式
BP%神經網絡算法%流行的神經網絡算法%溫度補償%學習率%範德堡多項式
BP%신경망락산법%류행적신경망락산법%온도보상%학습솔%범덕보다항식
back propagation neural-net algorithm%popular neural-net algorithm%temperature compensate%learning rate%the polynomial of Van der Pauw%s function
对流行的神经网络算法和无学习率的神经网络算法做了比较.流行的人工神经网络算法在误差反演过程中需要加入学习率,依次减少误差,逐渐逼近正确的拟合多项式,计算精度很高.无学习率的神经网络算法在进行权值调整时不需要加入学习率,减少了计算量,增加运算速度,计算精度也很高.它们可以应用于传感器信号处理中,流彳亍的神经网络算法适用于压力传感器的温度补偿,无学习率的神经网络算法可用于对范德堡函数多项式拟和.
對流行的神經網絡算法和無學習率的神經網絡算法做瞭比較.流行的人工神經網絡算法在誤差反縯過程中需要加入學習率,依次減少誤差,逐漸逼近正確的擬閤多項式,計算精度很高.無學習率的神經網絡算法在進行權值調整時不需要加入學習率,減少瞭計算量,增加運算速度,計算精度也很高.它們可以應用于傳感器信號處理中,流彳亍的神經網絡算法適用于壓力傳感器的溫度補償,無學習率的神經網絡算法可用于對範德堡函數多項式擬和.
대류행적신경망락산법화무학습솔적신경망락산법주료비교.류행적인공신경망락산법재오차반연과정중수요가입학습솔,의차감소오차,축점핍근정학적의합다항식,계산정도흔고.무학습솔적신경망락산법재진행권치조정시불수요가입학습솔,감소료계산량,증가운산속도,계산정도야흔고.타문가이응용우전감기신호처리중,류척촉적신경망락산법괄용우압력전감기적온도보상,무학습솔적신경망락산법가용우대범덕보함수다항식의화.
A comparison between the popular neural-network algorithm and a new neural-network algorithm without learning rate is introduced.The former has to use learning rate to reduce the error scale gradually in its iterative processing until getting a right fitting polynomial.Thecefore,it has a more perfect precision.The latter,however,dose not use learning rate in the adjustment of weight value.As a result,the amount of calculation decreases,and the operating speed increases.It has also a more perfect precision.Both are all used for the Signal Processing in Sensors.For example:the former is used for the temperature compensation for pressure sensors,the latter is used for the polynomial firing for Van der Pauw s' function.
