基于嵌入式系统的神经网络在线训练平台实现

被引：3

作者：

王健伟

宋执环

机构：

[1] 浙江大学工业控制研究所工业控制技术国家重点实验室

来源：

传感器与微系统 | 2010年 / 08期

关键词：

嵌入式系统; 软测量; 在线训练; 神经网络;

D O I：

10.13873/j.1000-97872010.08.040

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于最新的工业应用双核处理器OMAP—L137设计了一种神经网络软测量模型在线训练平台。该平台以ARM与浮点DSP双核控制器为核心。针对神经网络隐含层节点数、训练中止条件、学习率等相关参数的确定进行了研究与测试,将优化的神经网络算法成功移植到嵌入式平台,支持神经网络软测量模型的在线训练。通过对相关数据集的测试,结果表明:系统具有高速、高精度等优良性能。

引用

页码：100 / 103

页数：4