龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：合肥工业大学
摘要：本发明公开了一种遗传算法优化神经网络的流水线ADC后台校准方法，涉及ADC校准领域，该方法包括：将待校准流水线ADC和高精度参考ADC接入同一个信号源，一阶延时单元与三层BP神经网络组合构建时延神经网络，待校准流水线ADC的输出接入时延神经网络的一阶延时单元，一阶延时单元的输出与待校准流水线ADC的输出共同组成的神经网络训练的输入数据；通过遗传算法对训练数据进行维度最优化筛选，通过遗传算法对时延神经网络权值和偏置的初始配置进行全局优化；时延神经网络向后输出校准后结果。
主权项：1.一种遗传算法优化神经网络的流水线ADC后台校准方法，其特征在于，所述方法包括：将待校准流水线ADC和高精度参考ADC接入同一个信号源，一阶延时单元与三层BP神经网络组合构建时延神经网络，待校准流水线ADC的输出接入时延神经网络的一阶延时单元，一阶延时单元的输出与待校准流水线ADC的输出共同组成所述的神经网络训练的输入数据，一阶延时单元的个数与待校准流水线ADC的输出精度一致，训练数据的特征维度为待校准流水线ADC输出精度的两倍；通过遗传算法对训练数据进行维度最优化筛选，获取最优特征组合，根据最优特征组合确定时延神经网络输入层的节点数，然后基于获取的最优特征组合通过遗传算法对时延神经网络权值和偏置的初始配置进行全局优化；采用损失值阶段变化率指数KΔMSE作为损失函数，待校准流水线ADC经过时延神经网络之后的输出与高精度参考ADC输出作为时延神经网络的损失函数的计算元素，计算损失值，将预设的校准目标值与损失值进行比较，在损失值大于校准目标值情况下，时延神经网络进入训练模式，调整时延神经网络的权值与偏置，迭代优化神经网络；损失值小于等于校准目标值情况下，时延神经网络进入输出模式，不对权值与偏置进行调整；每次训练完成后获得一次训练后的MSE值保存记录，MSE值为计算损失值阶段变化率指数KΔMSE的中间结果；时延神经网络不论处于训练模式还是输出模式，均向后输出待校准流水线ADC经时延神经网络处理的转化结果，时延神经网络训练不影响ADC的正常工作。
全文数据：
权利要求：
百度查询： 合肥工业大学 一种遗传算法优化神经网络的流水线ADC后台校准方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号