0 引 言 随着电子工业的发展,电子设备越来越复杂,其中的模拟器件和电路不可缺少。理论分析和实际应用表明,这些设备中的模拟电路比数字电路更容易发生故障。对这种设
摘要分别采用单层感知器、BP网络和霍普菲尔德网络三种神经网络对26个英文字母进行识别,通过实验给出各网络的识别出错率,从中可以看出三种人工神经网络各自的优缺点,为选择神经网络进行字符识别提供了一定的依据。
摘要:BP网络是模拟电路故障诊断中应用十分广泛的一种神经网络。针对传统BP算法的误差下降缓慢,调整时间长,甚至容易陷入局部极小点而不能自拔等局限性,提出用弹性算法与BP网络相结合的方法,并结合某型雷达装备的
摘 要:根据当前结冰传感器非线性校正存在的问题,提出了利用BP网络建立传感器逆模型的校正方法。文中采用功能强大的MATLAB工具软件,对神经网络进行训练,获得权值、阈值。实际应用结果表明,该方法简单、实用,大
基于瞬时无功功率谐波动态检测法,检测的精度高、实时性好。本文阐述了基于瞬时无功功率与神经网络组合控制电网谐波动态检测方法的基本原理,分析了基于瞬时无功功率的谐波检测方法,在负载突变是引进神经网络提高准确实时性,在此基础上结合有源电力滤波器进行仿真实验,观察谐波动态检测。