32、车辆声音识别与智能AMR传感器系统研究

车辆声音识别与智能AMR传感器系统研究

1. 车辆声音识别：GRBFNN方法

1.1 参数选择与设置

在车辆声音识别研究中，采用广义高斯径向基函数神经网络（GRBFNN）。对于隐藏层中径向基函数（RBF）的最大和最小数量（[Mmin, Mmax]）以及代数数量（#Gen）的选择，使用网格搜索算法并结合十折交叉验证。具体范围为：[Mmin, Mmax] ∈ {[2, 5], [4, 7]}，#Gen ∈ {20, 40, 100, 400}。
输入变量在区间[-2, 2]进行简单线性重新缩放，转换后的变量为X∗i。隐藏层和输出层之间的连接在区间[-5, 5]初始化。种群大小N = 200。对于结构突变，可添加或移除的节点数量在区间[1, 2]内，结构突变期间在隐藏层和输出层添加或删除的连接数量在区间[1, 7]内。

1.2 性能评估指标

每个基函数的性能使用均方误差（MSE）和预测标准误差（SEP）在泛化集进行评估。SEP的定义为：SEP = (100/|¯y|)×√MSE。

1.3 与其他径向基函数神经网络的比较

模型	MSEEAG（Mean ± SD）	SEPEAG（Mean ± SD）	MSEHEAG（Mean ± SD）	SEPHEAG（Mean ± SD）
SRBF	0.021±4×10−4