[发明专利]一种自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法有效
| 申请号： | 201710113294.2 | 申请日： | 2017-02-28 |
| 公开（公告）号： | CN106959121B | 公开（公告）日： | 2020-12-29 |
| 发明（设计）人： | 刘艳霞;张福贵;张津 | 申请（专利权）人： | 北京联合大学 |
| 主分类号： | G01C25/00 | 分类号： | G01C25/00 |
| 代理公司： | 北京驰纳智财知识产权代理事务所(普通合伙) 11367 | 代理人： | 谢亮 |
| 地址： | 100101 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种自主反向调优的超限学习算法，用于磁罗盘复杂误差补偿。首先建立基于超限学习机的磁罗盘隐式误差模型，然后利用超限学习算法确定网络参数，借鉴深度学习反向调优机制，利用网络残差对上述网络参数进行反向微调，最后利用训练好的误差模型（神经网络）对磁罗盘误差进行补偿。超限学习算法实现的是输入层和隐藏层连接权值随机选取，这在提高训练速度的同时，也在一定程度上降低了网络性能。针对这一情况，本发明提出一种自主反向调优的超限学习算法，该算法利用网络残差对随机初始化的连接权值进行反向微调，并实现了隐藏层神经元数自主寻优，保障学习效率的同时大大提高了磁罗盘误差补偿精度。 | ||
| 搜索关键词： | 一种 自主 反向 超限 学习 算法 罗盘 误差 补偿 中的 应用 方法 | ||
【主权项】：
一种自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法，包括以下步骤：S1、建立基于超限学习机的磁罗盘隐式误差模型；S2、利用超限学习算法确定网络参数；S3、借鉴深度学习反向调优机制，利用网络残差对上述网络参数进行反向微调；S4、利用训练好的误差模型(神经网络)对磁罗盘误差进行补偿。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京联合大学，未经北京联合大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710113294.2/，转载请声明来源钻瓜专利网。
- 上一篇：飞行状态判定方法、装置及系统
- 下一篇：一种水平尺高精度校准装置及校准方法
