Запис Детальніше

Залежність похибки прогнозування значення температури нейронними мережами від розрядності АЦП

Електронний науковий архів Науково-технічної бібліотеки Національного університету "Львівська політехніка"

Переглянути архів Інформація
 
 
Поле Співвідношення
 
Title Залежність похибки прогнозування значення температури нейронними мережами від розрядності АЦП
Dependence of temperature value prediction error by neural networks on ADC resolution
 
Creator Микитин, І. П.
Лопатко, О. О.
 
Contributor Національний університет «Львівська політехніка»
 
Subject нейронна мережа
прогнозування значення температури
температурний перехідний процес
neural network
temperature prediction
temperature transition process
 
Description Викладено результати дослідження залежності похибок прогнозування значення температури із
використанням нейронних мереж від розрядності аналогово-цифрового перетворювача. Описано алгоритм створення
тестових послідовностей та навчання нейронних мереж. Наведено результати дослідження залежності похибки
прогнозування значення температури від кількості входів нейронної мережі та від розрядності АЦП. Подано результати
дослідження залежності середньої похибки прогнозування значення температури та залежності абсолютної непевності
прогнозування значення температури від розрядності АЦП.
Current article describes the results of the study of the error of temperature values prediction using neural
networks. In the introduction, the authors consider previous research pointing out problems that arise during measuring the high
temperatures. To solve these problems the neural networks applies. The formula for temperature transition process is derived.
Dependence of the temperature value prediction error by neural networks on the ADC resolution is considered. Algorithm
for creating and teaching neural networks is studied. Sequences modeling for the neural network training and the equation for
calculating the absolute error of temperature prediction are given. Data used by the neural network are quantized by the level. The
number of quantizing levels depends on the ADC resolution. Thus, while processing the results of measurements by the neural
network, additional error rises caused by ADC resolution.
Results of the study of dependence of the temperature value prediction error on the number of network inputs and on the
ADC resolution are presented. They envisage that the prediction error decreases with ADC resolution growth and the inputs
amount in the neural network reduction. Also, lower predicting temperature values errors are located in the middle of the
temperature range of the object of measurement.
Also the dependence of average error and absolute uncertainty of the temperature value prediction on the ADC resolution
are studied. Equations for computing the mean temperature error, standard deviation and uncertainty are deduced. Table with
results of the study of temperature value prediction error for quantized data and for double type of data is given. In result, we have
defined the temperature prediction error dependence on the ADC resolution
 
Date 2019-05-15T09:48:10Z
2019-05-15T09:48:10Z
2018-02-26
2018-02-26
 
Type Article
 
Identifier Микитин І. П. Залежність похибки прогнозування значення температури нейронними мережами від розрядності АЦП / І. П. Микитин, О. О. Лопатко // Вимірювальна техніка та метрологія : міжвідомчий науково-технічний збірник. — Львів : Видавництво Львівської політехніки, 2018. — Том 79. — № 1. — С. 12–15.
http://ena.lp.edu.ua:8080/handle/ntb/44932
Mykytyn I. P. Dependence of temperature value prediction error by neural networks on ADC resolution / I. P. Mykytyn, O. O. Lopatko // Vymiriuvalna tekhnika ta metrolohiia : mizhvidomchyi naukovo-tekhnichnyi zbirnyk. — Lviv : Vydavnytstvo Lvivskoi politekhniky, 2018. — Vol 79. — No 1. — P. 12–15.
 
Language uk
 
Relation Вимірювальна техніка та метрологія : міжвідомчий науково-технічний збірник, 1 (79), 2018
http://www.dkriesel.com/en/science/neural_networks
1. Лопатко О. О., Микитин І. П. Похибки прогнозування значення температури нейронними мережами за ідеальним перехідним процесом // Вимірювальна техніка та метрологія. – 2017. – № 78. – С. 20–24.
2. Ярышев Н. А. Теоретические основы измерения нестационарной температуры. – 2-е изд., перераб. – Л.: Энергоатомиздат, 1990. – 256 с.
3. Ковальчук Н. Г., Полищук Е. С., Пытель И. Д., Семенистый К. С. Современные методы и средства опре- деления динамических характеристик преобразователей // Обзорная информация ТС-6, НИИТЭИ приборостроения. –1983. Вып. 1. – 46 с.
4. Kriesel D. A Brief Introduction to Neural Networks,2007, http://www.dkriesel.com/en/science/neural_networks.
5. Rajesh Bordawekar, Bob Blainey, Ruchir Puri, Analyzing Analytics. – Morgan & Claypool Publishers, 2015. –124 p.
6. Дорожовець М., Мотало В., Стадник Б. Основи метрології та вимірювальної техніки: у двох томах. Т.1. – Львів: Видавництво Національного університету «Львівська політехніка», 2005. – 529 с.
1. Lopatko O., Mykytyn I. Temperature value prediction errors using neural networks and ideal transition process. Measuring equipment and metrology. – 2017. – No. 78. – P. 20–24.
2. Yaryshev N. A. Theoretical basis for measuring nonstationary temperature. – 2-nd ed. – L.: Energoatomizdat, 1990. –256 p.
3. Kovalchuk N. H., Polischuk E. S., Pytel I. D., Semenistyi K. S. Modern methods and means of determining the dynamic characteristics of converters. Overview information TS-6, NIITEI Instrumentation. – 1983. Issue 1. – 46 p.
4. Kriesel D. A Brief Introduction to Neural Networks,2007, http://www.dkriesel.com/en/science/neural_networks.
5. Rajesh Bordawekar, Bob Blainey, Ruchir Puri, Analyzing Analytics. – Morgan & Claypool Publishers, 2015. –124 p.
6. Dorozhovets M., Motalo V., Stadnyk B. Fundamentals of metrology and measuring technique. Vol. 1. – Lviv: Publishing house of Lviv National Polytechnic University, 2005. – 529 p. Lviv Polytechnic
 
Rights © Національний університет „Львівська політехніка“, 2018
 
Format 12-15
4
application/pdf
image/png
 
Coverage Львів
 
Publisher Видавництво Львівської політехніки