排序方式: 共有3条查询结果,搜索用时 46 毫秒
1
1.
2.
3.
天文学的发展要求望远镜的口径越来越大,对其建立有限元模型进行动力学分析已成为必要步骤.为了保证理论分析结果符合实际,必须对有限元模型进行修正.针对大望远镜模型修正的难点,提出一种基于径向基神经网络的含有隐藏变量的改进迭代法.首先建立了LAMOST空间桁架和平衡系统的有限元模型.其次从实际出发,讨论了神经网络输入输出的选择方法.用有限的数据信息修正误差大的参数,而小误差参数作为神经网络的隐藏变量,可看作噪声而不予修正.采用均匀设计法获得神经网络的训练样本集,减小了计算量.然后在网络迭代求解过程中,每次在输出参数的附近增加均匀分布的若干个样本,而不是输出参数的单独一个样本,可防止网络性能突然变差,改善泛化特性.最后,悬臂梁和望远镜桁架仿真结果表明,含有隐藏变量的神经网络仍然能够收敛.用实测数据修正了LAMOST的平衡系统,表明了该方法的可行性和有效性. 相似文献
1