Fault Diagnosis of Analog Circuits with Tolerances By Using RBF and BP Neural Networks
محل انتشار: هشتمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1381
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,854
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI08_027
تاریخ نمایه سازی: 18 بهمن 1386
چکیده مقاله:
This paper presents a method for analog circuit fault diagnosis by using neural networks. This method exploits DC approach for constructing dictionary in fault diagnosis by neural networks classification capability. In addition, Radial basis function (RBF) and backward error propagation (BEP) networks are considered and compared for analog fault diagnosis. The primary focus of the paper is to provide robust diagnosis using a mechanism to deal with the problem of component tolerance and reduce testing time. Simulation results show that the radial basis function network with reasonable dimension has double precision in fault classification but its classification is local, and backward error propagation network with reasonable dimension has single precision in fault classification but its classification is global.
نویسندگان
Mohammadi
College of Electrical Engineering Iran University of Science and Technology Narmak, Tehran, Iran
Mohseni Monfared
College of Electrical Engineering Iran University of Science and Technology Narmak, Tehran, Iran
Molaei Nejad
College of Electrical Engineering Iran University of Science and Technology Narmak, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :