基于径向基神经网络的我国外汇储备规模预测

基于MATLAB6．5平台编程，运用非线性径向基神经网络对我国外汇储备规模进行预测分析，以我国历年外汇储备数据为训练样本，进行网络训练与检验，结果表明，我国外汇储备存在超常规增长，径向基神经网络具有良好的预测性能。     

基于径向基函数神经网络的插值及其应用

针对径向基函数 (RBF)神经网络的特点 ,对插值问题 ,采用RBF神经网络进行求解。并通过增加神经元的输入和输出来拓展应用范围 ,文中讨论了在对一个实际问题建立数学模型中的应用 ,从应用的结果看 ,比传统插值方法更方便 ,具有较好的使用价值 ,并且可以很容易地推广到求解高维数据插值问题之中。     

基于混合学习算法的径向基函数神经网络设计

隐藏层中心点参数的选择和权值向量的快速计算是径向基函数神经网络设计的关键问题.基于"半月"数据集,论文提出了一种上下半月单独计算聚类中心的K-均值聚类、递归最小二乘算法计算权值向量的混合学习算法.基于三层RBF神经网络结构,以支持向量机作为分类器,开展了K-均值+最小均方算法及K-均值+递归最小二乘算法2种混合模式的对比实验.实验结果表明,"K-均值+RLS"算法相比"K-均值+LMS"算法具有更快的收敛性,在应对线性不可分的情况,上下半月单独作用的K-均值聚类算法表现更优越,综合考虑收敛速度及分类精度两个指标,论文提出的上下半月单独计算中心点的K-均值聚类+RLS的混合学习算法获得较优的性能.     

基于径向基函数网络与WebGlS的茶叶病害预测

利用GIS空间分析与MATLAB数值计算功能的进行模式整合,应用MATLAB神经网络工具箱,从GIS服务器调用参数信息建立RBF神经网络预测模型,将内容反馈给服务器,形成GIS与预测模型的无缝连接,通过We—bGIS对预测模型进行实时动态显示,实现对茶叶病害的预测、查询和诊断。此外,系统具有对空间、属性数据的分析与处理功能,并将抽象的数据转化成清晰简明的电子地图,以直观的图、袁显示病害类型及病害地域分布规律,为茶叶病害的诊断防治提供快捷、高效的服务。     

基于粗糙径向基函数的瓦斯涌出量预测

针对径向基网络对训练样本要求高的情形,将粗糙集和径向基神经网络相结合,提出粗糙径向基神经网络的方法,利用粗糙集对数据进行属性规约,得到适合径向基网络要求的数据,进而提高了其训练速度以及精度。将该方法应用在瓦斯涌出量预测的实验中,并将粗糙径向基神经网络和BP网络的预测结果进行对比,可以得出粗糙径向基网络预测效果比BP的效果好的结论,同时证实该方法的可行性。     

一种基于径向基函数插值的全局优化算法

通过将径向基函数插值方法嵌入到遗传算法中,得到了求解全局优化问题的一种混合算法.该混合算法是在径向基函数插值方法的基础上进行改进的,这种改进提升了黑箱函数全局优化的收敛效果,发挥了传统数值算法在计算速度与计算精度上的优势,既能简化所求解问题,也能全局搜索.     

基于神经网络预报的动态矩阵预测控制

提出了一种基于径向基神经网络预报的动态矩阵预测控制新算法，在该算法中，先用RBF神经网络辨识对象模型，同时预测对象的未来输出，然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模的问题，仿真结果验证了这一新型算法的可行性。     

基于径向基神经网络的非线性系统辨识

提出了基于径向基函数神经网络模型的系统辨识方法，由于径向基函数的神经网络比多层前馈人工神经网络模型相比，在逼近非线性函数时，具有结构简单，收敛快、且无局部极小的优点，通过计算机仿真证实了该方法具有良好的辨识效果。     

径向基函数在文本分类中的应用

利用RBF网络进行文本自动分类,对训练集进行聚类,使得每个簇内部的相似性尽可能高,而簇之间的相似性尽可能低.为每一个簇的中心定义相应的径向基函数,再对由这些径向基函数构成的两层神经网络进行训练.因考虑到了不同簇之间的差异性,因此很好解决＂兼类＂问题.     

一种基于RBF神经网络的遥测数据中长期预测方法

遥测数据能够反映卫星在轨运行过程中的性能和状态,针对卫星遥测数据变化趋势不易判断这一问题,提出了基于RBF神经网络预测模型对遥测数据进行中长期趋势预测的思想。仿真实验结果分析表明,该方法预测精度高,符合卫星遥测数据中长期预测要求,能够对卫星遥测数据中长期趋势起到提前预报作用,为指挥人员与控制中心进行实时决策提供科学依据。     

基于径向基神经网络PID控制的交流伺服系统

将神经网络和PID控制相结合,提出了一种神经网络整定的PID控制策略,并将其应用于交流伺服系统的控制.利用一个两层神经网络在线自适应调整PID控制器的参数;从而使系统的静态和动态性能指标较为理想.径向基函数神经网络用来辨识交流伺服系统的Jacobian信息,用正交最小二乘算法得到径向基函数神经网络的结构;然后用BP算法对该网络的权值进行训练使它逼近给定的函数.实验结果表明,这种系统具有响应速度快、稳态精度高和鲁棒性强等特点.     

径向基网络在环境质量评价中的应用

应用径向基网络（RBF－ANN）算法的人工神经网络建立了环境质量评价模型，为便于比较，将该模型应用于贵阳市1991－1995各年度的大气环境质量评价，结果表明，径向基网络用于环境质量评价具有客观性和实用性。     

模糊径向基神经网络球磨机优化控制

球磨机是一个非线性、强耦合、时变性的复杂对象,针对其实现自动控制的难点问题,在基于神经网络PID控制的方法基础上,提出模糊径向基神经网络PID的思想用于其生产过程的控制。采用粒子群优化与BP算法优化调整网络权值,模糊径向基神经网络的输出即是PID算法的参数,实现PID算法参数的自适应整定。通过对某球磨机制粉系统的控制仿真表明,该方法控制的响应快、超调量小、抗干扰性强,具有良好的跟踪性和鲁棒性,控制品质优于常规的神经网络PID控制方法。     

基于人工神经网络的导航卫星钟差预报方法

建立一种基于改进型BP神经网络的卫星钟差高精度预报方法。使用PSO算法对BP神经网络结构参数和连接权值阈值进行优化;引入自适应变异因子,以一定概率初始化部分变量改进PSO算法。通过实验验证本文提出的改进BP神经网络算法对于解决BP神经网络容易陷入局部最小值以及训练收敛速率低等问题,以及常规PSO算法早熟收敛等问题具有较好的效果。选用取自IGS网站提供的4颗GPS卫星钟差数据进行288次连续5 min、24次连续1h以及连续7次1 d的预报研究。结果表明,研究预报方法的预报精度和稳定性要明显优于使用常规BP神经网络和LSSVM算法建立的模型。     

改进的BP神经网络预测高校毕业生就业能力

针对传统BP算法的神经网络收敛较慢的缺点,提出基于L-M(Levenberg-Marquard)算法的神经网络对影响高校毕业生就业能力的各项因素进行分析的模型,以预测高校毕业生的就业能力存在的不足.因素量化采用模糊数学中的格贴近度和专家打分的方法.仿真结果表明:系统模型缩短了训练时间,具有较高的准确性,预测值与实际值的误差很小,可以将此模型应用于对高校毕业生就业能力的预测.     

一种改进的脉冲耦合神经网络图像分割方法

针对传统脉冲耦合神经网络图像分割需要人工多次调整网络参数的问题,提出根据图像本身信息的自适应参数设置方法。并对传统脉冲耦合神经网络进行改进,利用改进的脉冲耦合神经网络进行图像分割,并利用最大二维Tsallis熵准则自适应确定分割结果。仿真实验结果表明,该方法能获得视觉效果较好的分割结果。     

水污染质运移模型的径向基函数解法

介绍有关无网格散点数据拟合研究中的径向基函数方法.作为一类配点型无网格方法,它不再需要网格剖分,而且基函数光滑性好,近似精度高.阐述函数的径向插值法和偏微分方程的径向基函数解法,以及无网格散点数据问题的处理技巧.并以水污染质运移模型的径向基函数解法为例,给出了模型离散化的详细过程及其数值解.与其他方法进行比较,突出径向基函数求解偏微分方程的方法的优点.