基于优化ELM网络的物理量回归方法研究

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.

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

所属期刊栏目：43

分类号：TN711-34;TP391(基本电子电路)

资助基金：国家自然科学基金资助项目;中央引导地方科技发展专项资金项目;福建省教育厅科研基金资助项目;武夷学院校科研基金资助项目;福建省本科高校教育教学改革项目

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：141-146