Właściwości metrologiczne radialnych i sigmoidalnych sieci neuronowych zastosowanych do korekcji błędów statycznych w przetworniku próbkującym

W artykule przedstawiono wyniki symulacyjnych badań sieci neuronowych o radialnych oraz sigmoidalnych funkcjach aktywacji. Zamodelowano sytuację pomiarową, w której sieci neuronowe realizują korekcję błędów statycznych nieliniowego czujnika pomiarowego w przetworniku próbkującym. Niedokładność neuronowej realizacji korekcji wyrażono za pomocą niepewności. Porównano właściwości metrologiczne obu rodzajów sieci w zależności od ich struktury oraz liczebności zbiorów uczących.

---

The paper describes the results of simulation studies of RBF and MLP neural networks. There was modeled a measurement situation in which neural networks performed static error correction of a non-linear sensor in a sampling transducer. The correction inaccuracy by neural networks is expressed by the uncertainty. There were compared metrological properties of both types of networks depending on their structures and size of learning sets.