-
题名低端嵌入式系统中物理量回归算法的优化
被引量：2
- 1
-
-
作者
刘伟
沈安东
王宜怀
-
机构
苏州大学计算机科学与技术学院
-
出处
《现代电子技术》
2008年第18期31-34,共4页
-
基金
国家科技部技术创新基金资助项目(04C2262232200503)
江苏省火炬计划项目(H2005140)
-
文摘
在A/D转换过程中,物理量回归的速度直接影响到系统的性能。首先探讨在低端嵌入式系统中两种物理量回归的常用方法:公式法和查表法。在具体应用实例的基础上,分析比较这两种常用的方法,对它们算法的时间空间复杂度分析,指出其不足之处。然后参考操作系统中分页的思想,把一维表改成二维表,对查表法进行优化。而后分析具体情况又做了进一步优化,分析得出优化后程序在时间空间上都有很大的改进。最后指出在其他低端嵌入式产品开发中,该方法同样适用,并总结其在嵌入式系统与PC机程序开发的不同点。
-
关键词
低端嵌入式系统
A/D
物理量回归
查表法
-
Keywords
low - end embedded system
A/D
physical quantity regress
searching table
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于优化ELM网络的物理量回归方法研究
被引量：1
- 2
-
-
作者
王平
王宜怀
刘长勇
彭涛
-
机构
武夷学院数学与计算机学院
苏州大学计算机科学与技术学院
认知计算与智能信息处理福建省高校重点实验室
软件新技术与产业化协同创新中心
-
出处
《现代电子技术》
北大核心
2020年第17期141-146,共6页
-
基金
国家自然科学基金资助项目(61672369)
中央引导地方科技发展专项资金项目(2018L3013)
+2 种基金
福建省教育厅科研基金资助项目(JA15522)
武夷学院校科研基金资助项目(xl201016)
福建省本科高校教育教学改革项目(FBJG20190281)。
-
文摘
针对传统的A/D值转换物理量回归方法中存在表达不统一、动态适应性弱和在线非线性校正能力不足等问题,尝试将机器学习的ELM网络引入到该应用中。在分析A/D值转换物理量回归的知识要素基础上,依托ELM网络的非线性映射能力,提出利用遗传算法优化ELM网络,并利用其实现统一数学表达的A/D值转换物理量回归方法。实际应用表明,该方法对物理量回归问题可实现统一的数学模型表达,泛化性好,且非线性校正能力强,实现了各类A/D值转换物理量回归应用。
-
关键词
机器学习算法
模/数转换
极限学习机网络
遗传算法
优化方法
物理量回归
动态校正
-
Keywords
machine learning algorithm
A/D conversion
ELM network
genetic algorithm
optimization method
physical quantity regression
dynamic correction
-
分类号
TN711-34
[电子电信—电路与系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
