LM算法在传感器数据融合中的应用

Chinese

您当前的位置：

首页 >

文章列表页 >

LM算法在传感器数据融合中的应用

更新时间：2025-09-11

- LM算法在传感器数据融合中的应用
- 暂无标题
- 传感器与微系统 2005年第5期页码：77-79+85
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：10.13873/j.1000-97872005.05.028
  中图分类号： TP202
- 纸质出版：2005
- 稿件说明：
移动端阅览
LM算法在传感器数据融合中的应用[J]. 传感器与微系统, 2005,(5):77-79+85.
LM算法在传感器数据融合中的应用[J]. 传感器与微系统, 2005,(5):77-79+85. DOI： 10.13873/j.1000-97872005.05.028.

DOI：

针对压力传感器对温度存在交叉灵敏度这一具体问题

采用LM算法对其进行数据融合

消除温度对压力传感器的影响

大大提高传感器的稳定性及其准确度;针对传感器存在测量误差问题

提出了增加一个噪声来训练网络

增强了网络的容错性。对所提方法进行了仿真研究和简单分析

并与非线性插值(三次多项式插值)作了比较

粗浅地指出:神经网络在数据融合过程中的实现机理。

李卫平,刘君华,周金林,雷大宇,张 .遗传神经网络算法软件包在改善传感器性能中的应用[J].现代电子技术,2003(20).

寇雪芹,师帅兵.人工神经网络在传感器数据融合中的应用[J].传感器技术,2002(10).

司捷,周贵安,李函,韩英铎.基于梯度监督学习的理论与应用(Ⅰ)——基本算法[J].清华大学学报(自然科学版),1997(07).

刘君华编著.智能传感器系统[M].西安电子科技大学出版社,1999.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

传感器非线性误差校正的BP神经网络方法研究

神经网络在校正传感器非线性度方面的研究

高准确度的传感器建模方法及应用

基于神经网络的传感器非线性误差校正

金-瓜氨酸传感器对邻苯二酚和对苯二酚的同时测定