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.     

一种驼峰排污智能控制系统设计

<正>根据自动化程度的高低来区分,目前国内驼峰场的排污方法有两种方式：自动化程度较低的驼峰场,依靠人工手动排污,这种排污方式对现场人员的工作素养要求较高,劳动强度较大,而且受现场人员的责任心影响较大,极易出现巡检不到位、漏排等问题;自动化程度较高的驼峰场采用时间继电器或者PLC进行控制,实现了自动排污,但仍未解决电磁阀故障诊断和排污的优化控制问题。     

局域网最优化设计分析

本文以局域网建设为研究对象．并结合作者十几年局域网设计的经验,以一组网实例,从需求分析、设计原则、技术选型、设备选择和安全防范等方面总结了在实际工作中要考虑的各种因素,介绍以“实用稳定、技术先进、开支适度、方便管理”为主的局域网优化设计思想及选择配套设备的方法原则。     

基于误分类代价最小化的RBF神经网络

<正>RBF神经网络（Radial Basis Function Neural Network, RBFNN）以简单的结构、较快的收敛速度，以及全局寻优的方式，实现了以任意给定的精度去逼近任意连续的非线性系统的功能。因此，RBFNN获得了广泛的应用。在设备故障诊断领域，不同类型的设备故障由于误分类而造成的代价并不相同。比如将设备故障状态识别为正常状态所造成的代价，要比将正常状态识别为故障类型要高得多。而RBFNN却是以每类样本的误分类代价相等为假设前提的。因此，传统RBFNN算法并不特别适用于设备故障诊断领域。