论文部分内容阅读
多种可燃气体分析过程由于学习样本数据与拟合的目标函数复杂,单一BP或RBF神经网络方法难以获得满意精度。将Gabor变换和双层复合神经网络有机结合,提出一种新型的Cabor神经网络司燃气体分析方法。通过Gabor原子变换的强特征提取功能减小输入信号维数,并采用双层复合神经网络对学习样本进行拆分和简化,有效提高了可燃气体辨识的精度。以H_2S、CH_4、H_2、CO 4种可燃气体为典型对象开展了相关的实验研究,实验结果表明,所提出的Gabor神经网络分析方法的平均相对误差小于单一BP神经网络和RBF神