بهبود منحنی کالیبراسیون پراب پنج حفره با استفاده از شبکه عصبی

به طور کلی کالیبراسیون پرابهای پنج حفره۱ به وسیله تشکیل یک رابطه نگاشتی برای فشارهای حس شده در مکان حفرههای پراب در هنگام فرایند کالیبراسیون یک امر ضروری جهت استفاده از این نوع پرابها است . این مقاله روش نوینی را بر پایه شبکه عصبی مصنوعی ۲ برای کالیبراسیون این نوع از پرابها پیشنهاد کرده است . الگوریتم شعاعی بر مبنای تابع اساسی شعاعی ۳(RBF) به عنوان یکی از موثر-ترین و سریع ترین الگوریتم های به کار برده شده در آموزش شبکه -های عصبی معرفی شده است که در این مقاله از آن برای مطالعه پیرامون کالیبراسیون پراب پنج حفره استفاده شده است . روش RBF پیشنهاد شده، برای کالیبراسیون دادههای اندازهگیری شده توسط پراب پنج حفره استفاده شده است و نتایج حاصل از دادههای تست ، نشان از تاثیرگذاری مناسب و امکانپذیر بودن این روش دارد. این روش نسبت به روشهای دیگر از نظر زمان همگرایی دادههای آموزش بسیار سریع تر و دارای دقت بالایی در پیش بینی دادههای تست شبکه است . قبل از مقایسه نتایج ، ساختار کلی تابع شبکه عصبی مورد استفاده برای فرایند کالیبراسیون پراب پنج حفره به طور خلاصه ارائه شده است .