10.16652/j.issn.1004-373x.2020.17.033
基于优化ELM网络的物理量回归方法研究
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.
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
43
TN711-34;TP391(基本电子电路)
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
2020-09-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
141-146