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.     

基于遗传算法优化RBF网络的预测混沌时间序列

提出用遗传算法优化径向基函数(RBF)神经网络,使其更接近非线性映射和更快的学习收敛速度.然后用改进后的RBF神经网络预测混沌时间序列.实验结果表明,基于RBF网络的混沌时间序列具有很强的拟合能力、误差小、取得更好的效果.     

基于RBF神经网络的股票预测理论探讨

股票市场是个复杂且难以预测的系统,主要是因为影响股价变动的因素非常多,并且它是一个典型非结构性及非线性的系统。径向基函数(RBF)是一种具有单隐层的三层前馈网络。是借鉴生物局部调节和交叠接受区域知识的基础上,采用局部接受域来执行函数映射的人工神经网络。具有很强的局部非线性逼近能力和自学习、自适应等特性。对于每个训练样本,它只需要对少量的权值和阈值进行修正,结构简单、训练简洁且学习收敛速度快,能够逼近任意非线性函数。因此,将RBF神经网络应用于股市中,进行尝试预测和分析股市。     

基于RBF神经网络的广东省铁路网规模测算

针对铁路网规模影响因素较多、测算较难的问题,本文提出了采用RBF神经网络进行规模测算的方法。经测算,结果表明,该方法客观、合理,能较准确地测算出铁路网规模,具有较强的理论与实用价值。     

基于RBF神经网络的组合式特征选择算法

为了综合利用Filter与Wrapper法的优点,提出了一种针对高维数据的快速特征选择算法.实验表明该方法在特征子集的缩减规模及时间复杂度方面确有很大的进步,是一种快速、有效的算法.     

基于LabWindows/CVI的软测量应用平台设计与仿真

分析了软测量技术在工业生产过程中的重要性,介绍了软测量系统的各个组成部分包括辅助变量选择,数据校正,RBF神经网络建模,LabWindows/CVI平台,仿真分析等,以及每个部分的设计原理。仿真结果说明该软测量平台是可以准确及时地测出被测变量。     

基于神经网络的电力系统谐波测量方法研究

本文介绍了电力系统测量中所应用的一些神经网络模型,主要介绍了基于BP网络的谐波测量模型和基于自适应神经元的谐波测量模型,通过对这些神经网络模型的分析和比较,对于神经网络在电力系统谐波测量中的应用方法进行了研究,并结合谐波的产生原因,探索适合地方电力系统谐波测量分析的模型,提出了对现行模型的改进建议。     

虚拟物流风险的RBF神经网络实证分析

摘要：在全球金融危机的冲击下,虚拟物流作为一种新型的物流运作模式显示出了其强大的生命力,因此而受到很多企业和学者的关注。但是,随着虚拟物流整合组织内外部各种资源,实现对市场的快速反映,给各企业带来众多好处的同时,新的虚拟物流风险发生的概率也就随着加大。本文针对虚拟物流风险的评价问题,利用群决策支持的AHP方法识别与评价影响虚拟物流风险的关键因子,最后在问卷调查的基础上,采取RBF神经网络分析虚拟物流风险,并进行实证,为虚拟物流风险管理提供了新的思路和手段。     

基于改进RBF神经网络的银行个人信用评级

研究RBF神经网络在个人信用评级中的应用.针对传统的RBF神经网络无法处理非数值型数据和对初始中心的选取及异常值十分敏感等问题,提出一种基于模糊K-Prototypes算法的RBF神经网络,提高了处理分类型数据及混合型数据的能力,并且改进的模糊K-Prototypes算法有助于降低模型对初始中心选取和异常值的敏感性.将改进前后的模型分别应用于商业银行的个人信贷评级中,结果表明,改进后的模型预测精度和稳健性都优于传统的RBF模型.     

RBF神经网络在传感器故障诊断中的应用研究

本文针对传感器在自动化系统中的重要性,指出了传感器故障诊断的必要性、可行性以及实现的基本方法。根据神经网络的原理与特点,阐述了RBF神经网络的基本理论和优点,提出了一种基于RBF神经网络用于传感器故障诊断的思路和方法。     

基于神经网络的数字识别技术研究

将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。     

基于RBF神经网络的高新技术企业资金运营效果评价

本文在高新技术企业资金运营效果评价指标体系建立的基础上，运用径向基(RBF)神经网络设计了智能化评价方法，并选择了部分典型高新技术企业资金运营效果数据，对该网络系统进行了综合训练。本文研究为高新技术企业资金运营效果评价、资金运营控制和资金管理提供了一种有效的方法。     

基于免疫遗传算法的BP神经网络模型

本文研究了基于免疫遗传算法的BP神经网络模型,利用免疫遗传算法的全局搜索寻优能力和较好的收敛性,优化了神经网络的权值.仿真实验证明该模型具有较好的全局收敛性和快速学习神经网络权值的能力.     

基于主成分分析及RBF神经网络的浙江省台风灾害损失预测

本研究基于1953-2007年登陆或对浙江省有重大影响的台风历史案例数据,考虑影响台风灾害损失大小的主要因素有台风致灾因子、承灾体暴露性影响因子与承灾体脆弱性影响因子,运用主成分分析法对表示承灾体暴露性影响因素与承灾体脆弱性影响因素进行数据处理,提取主成分作为RBF神经网络模型的输入,从而建立预测模型。在2006年和2007年影响浙江省的2个台风的实际预测中,主成分RBF预测能够减少台风灾害损失的误差。因此,该模型可用于实际台风灾害损失预测,有效地提高预测台风灾害损失值的可靠性,对于浙江省乃至全国防灾减灾工作有着重大的实际意义。     

基于人工神经网络的自适应系统研究

研究了人工神经网络技术在自适应系统的应用。在运用人工神经网络原理建立站点模型的基础上,提出一个应用贝叶斯网络技术的自适应系统框架模型。     

基于BP神经网络的中国人口预测

本文基于中国统计年鉴1990—2010年中国人口数据,通过建立BP神经网络模型,对中国人口进行了预测。结果表明,神经网络预测数据相对误差不到0.01%,比传统预测方法精确很多,根据该模型预测,中国人口将在2050年达到峰值14.5亿左右。     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

基于模糊神经网络的RTT智能预测算法

在网络拥塞控制的重要参数中,RTT（Roundtriptime）尤为突出,因为它能对网络所发生的拥塞作出较早的反映。所以对RTT的精确预测程度,无论是对网络拥塞控制还是流量、带宽估计都很有意义。分析了RTT的特性,发现其有很强的高频噪声,因而采用低通滤波和MBP网络相结合的RTT预测策略。实验表明,即使在网络状况较忙的情况下,也能获得很好的预测结果。