论文部分内容阅读
采用BP神经网络,建立了红外甲烷传感器温度校正模型。以隐层节点数为变量,研究了神经网络规模对训练速度和推广能力的影响。将贝叶斯正规化方法与Levenberg-Marquardt优化算法相结合,提高了神经网络训练的效率和推广能力。所建立的模型网络规模小,运算速度快,可以对温度变化引起的红外甲烷传感器非线性误差进行自动校正。