Методи та моделі нейромережевої апроксимації градуювальних характеристик NTC-термісторів

The hypothesis about the expediency of using RBF-networks to improve the accuracy of constructing the calibration characteristics of NTC-thermistors in the operating temperature range without dividing it into subranges is confirmed. It has been established that the error of the neural network approx...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2022
Автори:	Fedin, Serhii, Zubretska, Irina
Формат:	Стаття
Мова:	Ukrainian
Опубліковано:	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2022
Теми:	accuracy measuring data calibration NTC-thermistor operating temperature range transformation function neural network approximation RBF-network точність вимірювальна інформація градуювальна характеристика NTC-термістор робочий діапазон температур функція перетворення нейромережева апроксимація RBF-мережа
Онлайн доступ:	http://journal.iasa.kpi.ua/article/view/269514
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	System research and information technologies

Репозитарії

System research and information technologies

id	journaliasakpiua-article-269514
record_format	ojs
spelling	journaliasakpiua-article-2695142022-12-21T22:15:21Z Methods and models of neural networks for approximation of calibration characteristics of NTC-thermistors Методи та моделі нейромережевої апроксимації градуювальних характеристик NTC-термісторів Fedin, Serhii Zubretska, Irina accuracy measuring data calibration NTC-thermistor operating temperature range transformation function neural network approximation RBF-network точність вимірювальна інформація градуювальна характеристика NTC-термістор робочий діапазон температур функція перетворення нейромережева апроксимація RBF-мережа The hypothesis about the expediency of using RBF-networks to improve the accuracy of constructing the calibration characteristics of NTC-thermistors in the operating temperature range without dividing it into subranges is confirmed. It has been established that the error of the neural network approximation of the calibration characteristics of NTC-thermistors based on RBF-networks is at least one and a half times less than the permissible error of approximation of the third-order polynomial model, which is used in the software of modern systems for collecting and processing measurement information. A technique has been developed for processing measurement information using adaptive RBF-networks to automate constructing individual calibration characteristics and periodic calibration of NTC-thermistors. Підтверджено гіпотезу про доцільність застосування RBF-мереж для підвищення точності побудови градуювальних характеристик NTC-термісторів у робочому діапазоні температур без поділу його на піддіапазони. Встановлено, що похибка нейромережевої апроксимації градуювальних характеристик NTC-термісторів на основі RBF-мереж не менше ніж у півтора рази нижча за допустиму похибку апроксимації поліноміальної моделі третього порядку, яка використовується в програмному забезпеченні сучасних систем збирання та оброблення вимірювальної інформації. Розроблено методику оброблення вимірювальної інформації з використанням RBF-мереж для автоматизації процедури побудови індивідуальних градуювальних характеристик і періодичного калібрування NTC-термісторів. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2022-10-30 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/269514 10.20535/SRIT.2308-8893.2022.3.07 System research and information technologies; No. 3 (2022); 102-120 Системные исследования и информационные технологии; № 3 (2022); 102-120 Системні дослідження та інформаційні технології; № 3 (2022); 102-120 2308-8893 1681-6048 uk http://journal.iasa.kpi.ua/article/view/269514/264995
institution	System research and information technologies
collection	OJS
language	Ukrainian
topic	accuracy measuring data calibration NTC-thermistor operating temperature range transformation function neural network approximation RBF-network точність вимірювальна інформація градуювальна характеристика NTC-термістор робочий діапазон температур функція перетворення нейромережева апроксимація RBF-мережа
spellingShingle	accuracy measuring data calibration NTC-thermistor operating temperature range transformation function neural network approximation RBF-network точність вимірювальна інформація градуювальна характеристика NTC-термістор робочий діапазон температур функція перетворення нейромережева апроксимація RBF-мережа Fedin, Serhii Zubretska, Irina Методи та моделі нейромережевої апроксимації градуювальних характеристик NTC-термісторів
topic_facet	accuracy measuring data calibration NTC-thermistor operating temperature range transformation function neural network approximation RBF-network точність вимірювальна інформація градуювальна характеристика NTC-термістор робочий діапазон температур функція перетворення нейромережева апроксимація RBF-мережа
format	Article
author	Fedin, Serhii Zubretska, Irina
author_facet	Fedin, Serhii Zubretska, Irina
author_sort	Fedin, Serhii
title	Методи та моделі нейромережевої апроксимації градуювальних характеристик NTC-термісторів
title_short	Методи та моделі нейромережевої апроксимації градуювальних характеристик NTC-термісторів
title_full	Методи та моделі нейромережевої апроксимації градуювальних характеристик NTC-термісторів
title_fullStr	Методи та моделі нейромережевої апроксимації градуювальних характеристик NTC-термісторів
title_full_unstemmed	Методи та моделі нейромережевої апроксимації градуювальних характеристик NTC-термісторів
title_sort	методи та моделі нейромережевої апроксимації градуювальних характеристик ntc-термісторів
title_alt	Methods and models of neural networks for approximation of calibration characteristics of NTC-thermistors
description	The hypothesis about the expediency of using RBF-networks to improve the accuracy of constructing the calibration characteristics of NTC-thermistors in the operating temperature range without dividing it into subranges is confirmed. It has been established that the error of the neural network approximation of the calibration characteristics of NTC-thermistors based on RBF-networks is at least one and a half times less than the permissible error of approximation of the third-order polynomial model, which is used in the software of modern systems for collecting and processing measurement information. A technique has been developed for processing measurement information using adaptive RBF-networks to automate constructing individual calibration characteristics and periodic calibration of NTC-thermistors.
publisher	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
publishDate	2022
url	http://journal.iasa.kpi.ua/article/view/269514
work_keys_str_mv	AT fedinserhii methodsandmodelsofneuralnetworksforapproximationofcalibrationcharacteristicsofntcthermistors AT zubretskairina methodsandmodelsofneuralnetworksforapproximationofcalibrationcharacteristicsofntcthermistors AT fedinserhii metoditamodelínejromereževoíaproksimacíígraduûvalʹnihharakteristikntctermístorív AT zubretskairina metoditamodelínejromereževoíaproksimacíígraduûvalʹnihharakteristikntctermístorív
first_indexed	2024-04-08T15:08:10Z
last_indexed	2024-04-08T15:08:10Z
_version_	1795779608160763904

Методи та моделі нейромережевої апроксимації градуювальних характеристик NTC-термісторів

Репозитарії

Схожі ресурси