基于一种改进的神经网络的RFID室内定位算法

室内定位算法精度一直都是研究的重点,本文提出了一种基于粒子群算法,减聚类算法和Kmeans算法进行结合。本文首先构建室内定位RFID模型,构建定位方程,然后采用减聚类算法来避免人为干扰,通过K-means算法来形成初始化粒子群算法,最后采用粒子群算法训练RBF神经网络的所有参数,从而得到优化的输出模型,从而确定了定位最优点。仿真实验表明本文的算法可以有效的提高定位精度,降低能量消耗,提高定位精度10%。     

铁路客运量的神经网络与遗传算法优化预测

铁路客运量是铁路建设的主要依据来源,它直接影响铁路建设的经济效益和资源配置。传统的铁路客运量的预测方法是基于专家估计或线性化后预测的,具有一定的局限性。基于神经网络和遗传算法理论,提出了一种遗传算法优化的RBF神经网络铁路客运量预测模型,采用遗传算法优化RBF网络权值和相应参数,确定全局最优值,然后训练RBF神经网络得到最优解,最终形成GA-RBF预测模型。实验结果表明GA-RBF预测模型优于传统的RBF预测模型,训练速度和预测精度显著提高。     

粒子群优化的神经网络预测交通流量

交通流量预测是智能交通系统研究的重要组成部分。提出了一种粒子群(PSO)优化RBF神经网络的交通流量预测方法。该方法以误差能量函数为适应度函数,利用PSO算法对RBF神经网络参数进行优化,有效克服交通流量数据非周期性、非线性和随机性等问题。仿真实验结果证明比单纯用RBF预测模型精度高、收敛速度快,表明粒子群优化的RBF神经网络模型具有良好的应用价值。     

RBFNN在数字识别中的应用

径向基(RBF)神经网络是一种典型的前馈网络,具有收敛速度快、能收敛到全局最优点、可最佳逼近等优点。网络设计的主要问题包括隐层节点数、中心和半径的确定,以及网络权值的训练等。这里设计了一个用于车牌字符识别的径向基神经网络(RBFNN),利用竞争学习算法对网络进行学习,确定中心,并采用梯度下降法找到合适的权值参数,用Akaike的FPE标准精简网络,获得了94.9%的识别准确率。     

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。     

GA-RBF在煤矿机器人检测井下混合气体的应用

针对煤矿救援机器人对井下有毒有害混合气体的感知问题,采用双气体传感器减少部分气体的交叉灵敏度,同时考虑了温度、湿度等可变因素带来的影响,结合煤矿救援机器人实际应用提出基于遗传神经网络算法与k聚类算法优化RBF神经网络,搭建了一种传感器阵列结合GA-RBF神经网络的混合气体的检测系统。实验结果表明:将GA-RBF神经网络算法应用于混合气体定量识别的训练中,收敛速度比RBF神经网络算法要快,而且学习精度更高,提高了RBF的性能及混合气体检测系统的检测精度。在规定的检测范围内,该系统可以担负CO2、H2S、CO与CH4四种气体及其混合气体的定量检测任务。     

基于PSO神经网络的定子电流信号谐波检测

定子电流信号检测法是电机故障诊断常用方法之一,精确的谐波、间谐波参数检测是其前提条件。为了提高电机定子电流信号谐波、间谐波检测精度,提出一种电机定子电流信号谐波、间谐波检测PSO神经网络算法。将电机定子电流采样信号用加窗FFT算法预处理,获得谐波、间谐波的个数和精度较低的谐波、间谐波次数、幅值和相位。将这些参数作为粒子群初始化的依据,用PSO算法训练神经网络,最终得到高精度的谐波、间谐波各项参数。实例仿真表明,该算法与加窗FFT相比,能快速、精确地检测电机定子电流信号谐波、间谐波各项参数,为准确的诊断电机故障奠定了基础。     

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。     

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。     

基于SVM的RBF的研究及其应用

在机械设备的故障诊断中,常采用RBF神经网络算法对故障进行诊断和计算,但该算法实现故障诊断必须有大量的故障样本,同时还有训练速度慢、结构确定难、容易陷入局部极小、泛化能力差等缺点。相反,SVM不仅能解决小样本的问题,并且还有全局最优、泛化能力强等优点。为此,本文提出一种基于SVM的RBF神经网络的优化方法,并将它应用齿轮箱中的齿轮故障诊断,取得了良好的预期效果。     

基于改进的GA优化BP神经网络的煤矿设备的故障诊断

面对越来越多的煤矿设备出现的故障,本文提出了将遗传算法(GA)和BP神经网络结合进行预测的方法。针对遗传算法存在收敛速度慢,容易陷入局部最优的情况,本文首先采用混沌和反向学习初始化个体,其次运用差分算法对个体最优进行操作,最后,将改进的适应度函数运用到选择操作中,通过变异概率和交叉概率提高操作的准确率。将改进后的算法运用到BP神经网络中提高了样本训练效果,仿真实验表明本文算法相比于传统BP神经网络提高了精度和增强了稳定性     

基于改进的PSO算法的小波神经网络

本文针对粒子群算法具有不易陷入局部极小、收敛速度快等特点,提出了一种基于粒子群的小波神经网络学习算法,优化了小波神经网络中的各个参数,并将应用于函数仿真试验。试验表明,该算法能减少迭代次数、提高收敛精度,是小波网络的有效训练算法。     

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。     

基于RBF神经网络的Hammerstein模型辨识

利用神经网络的非线性映射特性,将RBF神经网络应用于Hammerstein模型辨识.首先采用将学习和辨识同时进行的在线辨识技术,然后在调整输出权值的基础上,增加调整基函数的形状参数和中心向量.此方法算法简单,学习速度快,辨识精度高,最后的仿真也验证了上述结论.     

基于卷积神经网络的SVM分类算法在图像分类中的应用

利用卷积神经网络强大的自学能力,训练合适的CNN来提取图像特征信息,利用RBF函数作为支持向量机的核函数,并结合粒子群算法优化SVM参数,完成图像分类的混合算法。针对乳腺组织的病理图像分类性能的实验分析,给出了混合分类算法的优越性。     

基于神经网络自适应谐波电流检测方法

本文介绍了一种应用于有源电力滤波器(Active Power Filter,APF)的神经网络自适应谐波电流检测方法.该方法应用自适应噪声抵消技术,并采用RBF神经网络实现噪声抵消.介绍了该RBF神经网络的构造和参数调整算法,应用HATLAB进行仿真研究.仿真结果,该检测方法具有较快的跟踪能力和动态响应速度.     

RBF神经网络拟合高程异常的探讨

利用MATLAB神经网络工具箱中RBF神经网络函数来实现GPS高程转换,结合工程实例详细论述了转换过程中RBF函数的散布常数(分布密度)Spread和隐层神经元个数mn两个关键参数确定的问题,并进行了比较分析,以期RBF神经网络在实际应用具有借鉴意义。     

混合式熔炼保温压铸炉温度控制优化研究

为了降低温度控制误差和随机扰动对温度影响,提出了混合式熔炼保温压铸炉温度控制优化方法.结合PID控制器与模糊神经网络,设计模糊神经网络PID控制器,通过两输入一输出的模糊神经网络结构,解决PID参数在线整定困难问题;通过寻找最佳网络结构和参数,以遗传算法为基础,采用离线优化算法,通过初始化参数、网络结构学习以及参数优化三个步骤优化模糊神经网络控制器,实现混合式熔炼保温压铸炉最佳温度控制优化.经实验验证:该方法温度变化波动与温度误差较小,且加入固定扰动和随机扰动时温度变化小.     

RBF神经网络在图书智能分布领域的应用

在系统参数未知情况下,利用RBF神经网络自动建立动态模型,能快速跟踪非线性函数,具有很强分类能力。提出利用RBF神经网络对图书进行分类的基本方法。经与BP神经网络仿真的诊断结果对比,证明RBF神经网络具有收敛速度快、输出误差和离散性小的优点,并论证了该方法对图书分类的有效性。     

基于MATLAB的BP神经网络的设计与训练

本文介绍了BP神经网络以及运用matlab工具箱构造BP神经网络,并对该神经网络进行训练的方法及过程.并以函数逼近为例,通过改变被逼近函数的参数、BP网络隐层神经元的数目、BP网络的学习算法,比较训练效果的差别,进而得出结论.