مقاله الگوریتم پیشبینی ولتاژ براساس شبکه عصبی بازگشتی LSTM
فرمت : PDF
زبان : لاتین
چکیده
به دلیل ویژگی تاخیر سیستم نوری سازگار، عملکرد سیستم نوری سازگار میتواند به طور موثری با پیشبینی ولتاژهای آینه تغییر شکل بهبود یابد. این مقاله یک الگوریتم پیشبینی ولتاژهای غیر خطی را براساس شبکه عصبی بازگشتی LSTM شامل ساخت مدل، آموزش مدل، تست مدل و کاربرد ارائه میدهد. مشخص شدهاست که ولتاژهای پیشبینیشده توسط شبکه عصبی LSTM با ولتاژهای واقعی سازگار هستند. با مقایسه نتایج پیشبینی الگوریتم پیشنهادی با نتایج سایر الگوریتم های پیشبینی، الگوریتم پیشبینی مبتنی بر LSTM دقت پیشبینی بالاتری دارد. این الگوریتم قابلیت کاربرد قوی و دقت بالاتری در پیشبینی ولتاژهای نوری سازگار دارد.
Voltages prediction algorithm based on LSTM recurrent neural network
Because of the characteristic of delay of adaptive optics system, the performance of adaptive optics system can be improved effectively by predicting the deformation mirror voltages. This paper presents a nonlinear voltages prediction algorithm based on LSTM recurrent neural network, including model construction, model training, model testing and application. It is found that the predicted voltages by LSTM neural network are consistent with the actual voltages. By comparing the prediction results of the proposed algorithm with those of other prediction algorithms, the prediction algorithm based on LSTM has higher prediction accuracy. This algorithm has strong applicability and higher accuracy in adaptive optics voltages prediction.
مبلغ قابل پرداخت 25,000 تومان
برچسب های مهم