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。     

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。     

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.     

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。     

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。     

RBF神经网络在建筑物沉降预测中的应用

介绍了基于matlab的径向基函数RBF神经网络对于建筑物沉降预测的方法,讨论了RBF神经网络的构造思路、参数和分布密度spread的选择。为建筑物变形监测人员的数据分析、变形预测提供了一个可行的概念。     

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。     

基于高斯混合模型和K-均值聚类算法的RBF神经网络实现男女声转换

语音转换是指改变一个人的语音个性特征,使之具有另外一个人的语音个性特征的技术,本文提出采用K-均值聚类算法的RBF神经网络实现基音频率转换,从而实现语音的韵律转换。在语音谱包络转换中采用高斯混合模型。     

基于神经网络消除噪声技术的研究

针对应用神经网络对消除噪声技术进行了研究。主要完成了以下的研究工作：研究了利用神经网络来消除噪声的可行性。探讨了基于反向传播（BP）神经网络和基于径向基函数（RBF）神经网络的消除噪声,并利用MATLAB软件进行仿真,得出一系列仿真波形.     

基于神经网络的锅炉控制系统设计

锅炉,作为火电厂、供暖系统、工业工矿等众多行业中的主要能源转换设备,在工业发展史中有重要的地位,但锅炉系统普遍存在非线性、多扰动、负荷变动及燃烧产物污染等问题。本文通过对锅炉系统的工艺流程的分析,在深入研究径向基函数后,提出了锅炉蒸汽压力控制方案,研究分析RBF神经网络技术的学习训练方法,运用它高精度无限逼近非线性函数的特性,设计并运用RBF-PID控制器,该控制器能够根据输入波动进行内部参数的自适应调整,这种成熟的在线控制系统很大程度上改善了锅炉控制系统目前存在的问题。     

动态定量称重系统控制策略的研究

提高动态定量称重包装系统控制精度,提升动态称重效率。对物料动态称量包装系统组成进行分析,提出了一种基于RBF(radial basis function)神经网络的PID的动态定量称重包装控制方法,建立了3层的神经网络模型。在RBF神经网络PID控制过程中,由神经网络RBF在线辨识得到了梯度信息,然后由得到的梯度信息对PID中的三个参数进行在线调整,从而提高了动态称量系统的控制精度。仿真结果表明,RBF神经网络的PID控制方法与传统的PID控制方法相比具有较强的鲁棒性,能够明显提高定量称重包装系统的控制精度。     

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。     

GPS水准拟合中的数据处理方法研究

人们期望能用GPS高程测量来逐步取代传统的水准测量,这就需要研究GPS大地高与正常高之间的转换关系,从而需要研究高程异常的问题。本文在分析了近年来国内外对GPS水准高程拟合方法研究成果的基础上,主要对基于人工神经网络的GPS高程异常拟合方法进行了研究,编译了三次曲面拟合法、BP神经网络法和RBF神经网络法的GPS水准拟合程序。通过MTALAB_GUI平台,实现了上述三种GPS水准拟合方法的人机交互的目的。对上述三种GPS水准拟合方法进行了精度比较,其中RBF神经网络的精度最高,三次曲面拟合精度最低。     

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.     

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。