Залежність похибки прогнозування значення температури нейронними мережами від розрядності АЦП
Date
2018-02-26
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Видавництво Львівської політехніки
Abstract
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
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
Description
Keywords
нейронна мережа, прогнозування значення температури, температурний перехідний процес, neural network, temperature prediction, temperature transition process
Citation
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.