| 利用自定阶RBF神经网络的分类优势
对气泵进行状态识别 |
| |
| 引用本文： | 武吉梅.利用自定阶RBF神经网络的分类优势
对气泵进行状态识别[J].陕西理工学院学报(自然科学版),2001,17(2):5-8. |
| |
| 作者姓名： | 武吉梅 |
| |
| 作者单位： | 西安理工大学理学院工程图学系, |
| |
| 摘 要： | 神经网络理论的出现是机器处理向人的思维模式迈进的又一突破。本文在传统的BP和RBF神经网络理论的基础上采用了新算法,即自定阶径向基函数对ZYB03-60型滑片式真空压力复合气泵进行了识别。结果表明,该算法具有更快的训练学习速度和良好的数据自适应能力。
|
| 关 键 词： | 模式识别 状态监测 神经网络 径向基函数 |
| 文章编号： | 1002-3410(2001)02-0005-04 |
| 修稿时间： | 2000年12月1日 |
Recognition of pump state by RBF neural network |
| |
| WU Ji_mei.Recognition of pump state by RBF neural network[J].Journal of Shananxi University of Technology:Natural Science Edition,2001,17(2):5-8. |
| |
| Authors: | WU Ji_mei |
| |
| Abstract: | The arising of neural network theory is a break-through from machine processing to man's thinking mode. On the basis of the traditional BP and RBF neural network, this article applies a new algorithm-user-defined step Radial basis function-to recognize ZYB03-60 vacuum air press pump. It turns out that the algorithm can train studying-speed faster and it is of good self-adaptation to data. |
| |
| Keywords: | mode recognition state monitoring neural network radial basis function |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
