测控技术
測控技術
측공기술
MEASUREMENT & CONTROL TECHNOLOGY
2014年
12期
132-135
,共4页
Gabor变换%神经网络%可燃气体%模式识别
Gabor變換%神經網絡%可燃氣體%模式識彆
Gabor변환%신경망락%가연기체%모식식별
Gabor transform%neural network%inflammable gases%pattern recognition
多种可燃气体分析过程由于学习样本数据与拟合的目标函数复杂,单一BP或RBF神经网络方法难以获得满意精度.将Gabor变换和双层复合神经网络有机结合,提出一种新型的Gabor神经网络可燃气体分析方法.通过Gabor原子变换的强特征提取功能减小输入信号维数,并采用双层复合神经网络对学习样本进行拆分和简化,有效提高了可燃气体辨识的精度.以H2S、CH4、H2、CO4种可燃气体为典型对象开展了相关的实验研究,实验结果表明,所提出的Gabor神经网络分析方法的平均相对误差小于单一BP神经网络和RBF神经网络,提高了定量分析精度.
多種可燃氣體分析過程由于學習樣本數據與擬閤的目標函數複雜,單一BP或RBF神經網絡方法難以穫得滿意精度.將Gabor變換和雙層複閤神經網絡有機結閤,提齣一種新型的Gabor神經網絡可燃氣體分析方法.通過Gabor原子變換的彊特徵提取功能減小輸入信號維數,併採用雙層複閤神經網絡對學習樣本進行拆分和簡化,有效提高瞭可燃氣體辨識的精度.以H2S、CH4、H2、CO4種可燃氣體為典型對象開展瞭相關的實驗研究,實驗結果錶明,所提齣的Gabor神經網絡分析方法的平均相對誤差小于單一BP神經網絡和RBF神經網絡,提高瞭定量分析精度.
다충가연기체분석과정유우학습양본수거여의합적목표함수복잡,단일BP혹RBF신경망락방법난이획득만의정도.장Gabor변환화쌍층복합신경망락유궤결합,제출일충신형적Gabor신경망락가연기체분석방법.통과Gabor원자변환적강특정제취공능감소수입신호유수,병채용쌍층복합신경망락대학습양본진행탁분화간화,유효제고료가연기체변식적정도.이H2S、CH4、H2、CO4충가연기체위전형대상개전료상관적실험연구,실험결과표명,소제출적Gabor신경망락분석방법적평균상대오차소우단일BP신경망락화RBF신경망락,제고료정량분석정도.
