文献类型：期刊文章

作　　者：田晔非[1,2] 翟渊[3]

TIAN Yefei;ZHAI Yuan(College of Electrical Engineering of Chongqing University,Chongqing 400044,China;Chongqing College of Electronic Engineering,Chongqing 401331,China;School of Electrical and Information Engineering,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆大学电气工程学院,重庆400044 [2]重庆电子工程职业学院,重庆401331 [3]重庆科技学院电气与信息工程学院,重庆401331

出　　处：《电子器件》

基　　金：重庆市教委科学技术研究项目(KJ1729404)

年　　份：2018

卷　　号：41

期　　号：5

起止页码：1291-1295

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、INSPEC、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对当前阳极效应预测方法存在精度低、过拟合等缺陷,根据阳极效应的非线性、时变性等变化特点,设计了一种基于广义回归神经网络的阳极效应自动预测模型。首先采集阳极效应预测的样本,并对样本数据预处理,建立阳极效应预测的学习样本,然后将阳极效应的学习样本输入到广义回归神经网络进行学习,构建阳极效应自动预测模型,最后进行了具体的阳极效应预测仿真实验,并与其他模型进行了阳极效应预测的对比测试。结果表明,广义回归神经网络可以有效的拟合阳极效应变化特点,提高了阳极效应预测精度,而且预测误差明显要小于当前其他阳极效应预测模型,具有较高的实际应用价值。

关 键 词：阳极效应 预测方法  神经网络 学习样本  预测误差  

分 类 号：TP183]