CAJ | 학술논문

实验数据的非线性建模,是对各种仪器、设备的性能进行校正和补偿的基础.讨论了神经网络非线性建模时数据中的噪声成分造成的过拟合现象以及对模型精度的影响,针对RBF网络给出了2种提高建模精度的方法:建模数据预处理法和网络参数优化法.在数据预处理方法中,根据建模样本的特点,分别采用滑动平均法和灰色模型法对原始建模数据进行修正,并分析了它们的适用场合;对于后一种方法,选择径向基函数分布宽度和学习目标进行优化.以精密平台为例进行了实验,通过对其定位误差的测量、建模和预测,证明了上述各种方法的有效性,特别是后一种方法,可以得到非常高的建模精度.
실험수거적비선성건모,시대각충의기、설비적성능진행교정화보상적기출.토론료신경망락비선성건모시수거중적조성성분조성적과의합현상이급대모형정도적영향,침대RBF망락급출료2충제고건모정도적방법:건모수거예처리법화망락삼수우화법.재수거예처리방법중,근거건모양본적특점,분별채용활동평균법화회색모형법대원시건모수거진행수정,병분석료타문적괄용장합;대우후일충방법,선택경향기함수분포관도화학습목표진행우화.이정밀평태위례진행료실험,통과대기정위오차적측량、건모화예측,증명료상술각충방법적유효성,특별시후일충방법,가이득도비상고적건모정도.