基于RBF网络及FLAC的初始地应力场反演

RBF网络及FLAC反演方法是初始地应力场反演的一种比较有效、比较新的方法.该文对RBF网络及FLAC反演方法进行了详细论述,接着运用这种方法对一工程实例进行了反演计算,计算结果表明,该方法计算时间短,计算精度高.     

基于粗糙集和RBF神经网络的工程项目团队的绩效评价

利用粗糙集和RBF神经网络的理论和方法,建立了基于粗糙集和RBF神经网络相结合的工程项目团队绩效评价模型。并结合一个工程项目团队绩效实例,首先对其基于平衡记分卡的评价指标体系进行了约简,然后将约简的评价指标输入到RBF神经网络中进行智能训练,最后把检验样本输入到训练好的RBF网络中,验证得到通过RBF神经网络计算的评价结果与实际结果基本一致。     

RBF网络和BP网络在逼近能力方面的研究

文章介绍了人工神经网络的两个重要的模型:径向基函数(RBF)网络和BP网络,在函数逼近方面对RBF网络和BP网络进行了比较、研究,通过实际的例子应用Matlab 进行了仿真.     

BP网络和RBF网络在函数逼近领域内的比较研究

通过仿真实例,对BP网络和RBF网络的函数逼近能力进行了比较研究,仿真结果表明,RBF网络的函数逼近能力在多个方面都优于BP网络,但在解决相同问题时,BP网络的结构要比RBF网络简单;实际应用中,可以以此结论为指导来设计神经网络。     

RBF网络和BP网络在逼近能力方面的研究

文章介绍了人工神经网络的两个重要的模型：径向基函数（RBF）网络和BP网络,在函数逼近方面对RBF网络和BP网络进行了比较、研究,通过实际的例子应用Matlab进行了仿真。     

基于PCA-RBF网络的高校保密项目风险预测

提出高校保密项目风险预测指标体系,通过主成分分析对众多指标进行特征提取,并约减相关冗余信息,降低了RBF网络的输入维数.利用RBF网络对高校保密项目泄密风险进行预测,并与只使用RBF网络进行预测的结果做了对比,表明基于主成分分析一RBF网络的预测结果更精确.     

基于免疫算法的RBF网络优化

针对RBF的网络算法有多种,具有固定中心的RBF网络训练算法、梯度下降的RBF网络训练算法、最小二乘的RBF网络训练算法,无论哪种算法,对于求RBF网络隐节点的中心c j和标准参数？2都是比较困难的,如何使网络学习达到要求的精度,本文提出了基于免疫算法的RBF网络优化的改进算法,使隐节点的中心求解较为容易,有利于RBF网络有效的推广。     

基于RBF网络改进的厚度计AGC

本文是对传统的厚度计式厚度控制系统的研究,针对其数学模型的不精确问题,提出了采用RBF神经网络的改进方法。使用RBF神经网络来代替数学模型模拟轧机的输入输出关系,克服一般数学模型的因为参数变化引起误差变大的困难。针对一般RBF神经网络计算复杂,难以在硬件实现的问题,本文采用动态自适应RBF网络,相对于其他RBF型网络结构简单,适于在TDC上实现。     

基于RBF神经网络的汽轮机故障诊断

本文提出了基于RBF神经网络进行汽轮机故障诊断的方法.首先建立了神经网络的诊断模型,然后利用某汽轮机的样本集对一个单隐层的RBF网络进行训练.最后,通过测试网络,验证该网络对于故障模式的识别准率较高.     

基于RBF网络的混沌时序的变形分析和预测

RBF网络是一个三层的前馈型神经网络,它隐含层的转换函数是局部响应的非线性函数,所以它能够以任何精度逼近任意连续函数,这为复杂的变形系统的解释和模型化提供了可能,因而利用RBF网络对混沌时序的分析和预测是变形分析的一种新的途径.本文首先介绍RBF网络,对其变形监测数据的混沌现象进行分析和对RBF网络的混沌时间序列作出分析、预测,最后,总结出运用RBF网络对变形分析和预测对数据拟合模型的精度和预测能力都有很大的提高作用.     

FLAC在水平层状岩体隧道围岩稳定性分析中的应用

位于湖南常吉高速公路上的雀儿溪隧道,所穿地段围岩为水平层状岩体。本文选取了一典型断面作为计算模型,运用FLAC2D软件,考虑层面的影响,对水平层状岩体隧道施工过程进行了数值模拟,通过对比分析计算结果和实测结果,发现FLAC能比较真实地模拟和反映水平层状岩体隧道施工过程中的一些实际情况,可靠性较高,是一种可行的数值分析方法。     

基于免疫RBF的列车制动预测模型研究

精确可靠的列车制动预测模型对于列车制动控制系统和列车精确停车控制等应用领域意义重大,由于列车制动过程受线路条件、车型自身参数及外界天气环境等客观因素影响,是一个复杂的非线性系统,因此采用免疫RBF神经网络逼近制动系统模型。本文介绍了免疫RBF网络拓扑结构的构建方法,分析了列车制动过程模型,建立了列车制停的免疫RBF网络,并提取实车运行数据进行特征化处理后训练网络从而实现了列车制动的精准预测。经实车数据仿真实验验证,本文建立的列车制停免疫RBF网络性能优越,预测停车位置与实际值吻合率高达96.3%,具有较大应用价值。     

三种RBF神经网络比较分析

径向基函数（RBF）神经网络广泛应用于模式识别、非线性函数逼近等领域。通过对聚类、梯度、正交最小二乘三种RBF神经网络进行正弦函数逼近的仿真实验,从中比较分析这三种RBF神经网络。得到的对比分析结果表明：正交最小二乘的方式所需的训练时间最短,网络收敛速度最快,并且不需要预先定义隐层节点数。     

基于自适应RBF神经网络的电网变压器故障检测

变压器的故障诊断方法大部分以油中溶解气体为诊断基础,如目前较为常用的四比值法、三比值法等。但存在"编码盲点"、故障诊断准确度不够等问题。本文提出一种基于自适应RBF神经网络的电网变压器故障检测方案,算法输入层节点只会把信号传送到隐含层。在隐含层中,通常使用高斯函数来对所得到了输入向量响应。输出层则是使用一般的线性函数来对输出进行加权。这种模式是一种标准的前向网络模式,能够使得神经网络的输入空间与输出空间得到映射,进而为分类网络并实现函数逼近,提高了网络收敛速度。仿真实验结果表明,本文提出的自适应RBF网络在故障诊断的准确率以及诊断时间的表现皆优于BP、GA-BP神经网络,所在在变压器故障诊断时,可以优先考虑自适应RBF神经网络。     

基于黄金分割的共轭梯度法步长求取方法

目前在波形反演中常用梯度类算法的关键三要素为:目标函数、梯度和步长。在使用梯度类方法时,合适的步长因子可以有效地提高波形反演的计算效率和反演精度,故步长问题的研究也具有重要意义。基于PRP共轭梯度法进行波形反演,对现有的步长计算公式进行分析研究,提出了一种将经验步长公式与黄金分割法结合的步长计算方法,通过数值模拟试验,验证了采用的方法不仅能基本满足运算效率的要求,还能使反演结果更接近于目标模型。     

一种基于AutoEncoder的RBF神经网络训练算法

RBF神经网络中心宽度等参数确定的是否合理将直接影响到RBF网络的学习性能。通过有监督学习的方法来确定RBF神经网络的参数是最一般化的方法。研究表明,参数的初始化问题是该类方法的关键所在。为此,提出了一种利用AutoEncoder初始化RBF神经网络各个参数的新型训练算法。实验仿真表明,与传统RBF神经网络训练算法相比,该新型算法具有更高的训练精度与更强的泛化能力。     

某取水隧洞不同设计方案抗震性能分析

本文运用动力时程反应分析方法,利用FLAC对其取水隧洞进行了抗震分析,得到了其衬砌内力包络图。针对不同的设计方案,比较圆形隧洞和马蹄形隧洞的优劣性。计算结果表明,圆形隧洞受力优于马蹄形,计算结果可为隧洞抗震分析提供依据。     

结合蜂群算法与RBF神经网络的软件错误定位方法

软件错误是软件开发过程中经常出现的问题,有效地定位错误能够提高软件开发的效率。通过对软件运行时信息的收集与分析,从机器学习的角度提出了一种将蜂群算法与RBF神经网络结合的软件错误定位模型。首先,利用蜂群算法克服RBF神经网络由于隐层节点中心值随机化而导致的网络性能较差的问题,对RBF神经网络模型进行优化与改进。然后,对程序运行过程中的相关信息进行编码,将此编码作为蜂群神经网络模型的训练数据集。最后,根据虚拟测试集进行软件错误定位,实验过程中选用Siemens Suite套件进行了仿真实验。实验结果表明,结合蜂群算法优化与RBF神经网络的软件错误定位方法在软件错误定位方面能够表现出较好的性能。     

波形反演中频率点选取的优化方法

频域全波形反演是一种能够获得高分辨率反演结果的反演方法,但在模型较大时反演的计算用时非常巨大,这就严重阻碍了其在实际反演中的应用。针对此问题,利用线性递增速度模型中地震波的传播规律,提出一种优化的频率选取方法,以达到有效提高计算效率的目的。实验表明,优化的频率点选取方法在模型较大时,相比于常规选取方法在保证反演精度的情况下,具有更高的计算效率。     

基于径向基函数的非线性混合信号的盲分离

通过径向基函数(RBF)神经网络近似非线性混合映射的方法,研究了一种从非线性混合信号中盲源分离的算法。该方法采用RBF神经网络分离系统输出分量的互信息作为目标函数,目标函数的最小化导致输出量之间的独立性,以便使源信号尽可能的分离出来。采用无监督的模糊C均值聚类方法训练RBF神经网络的权值,可以大大节省计算量。仿真结果讨论了RBF神经网络隐含层不同的神经元个数对盲源分离效果的影响,并且证明了本算法是有效性的和可行的,并且有较强的鲁棒性。