新型三维激光扫描系统曲面重构技术

为了克服现有逆向工程装备价格昂贵且不能满足实时测量的缺点,提出了一种新型成本低、扫描速度快的三维激光自由曲面扫描系统.针对该系统的曲面重构问题,提出神经网络曲面重构方案,网络的输入选取所获得的点云数据的X、Y坐标,网络的输出则选取点云数据的Z坐标.比较了径向基神经网络(RBFNN)和多层前馈神经网络(MLPNN)两种典...     

基于RBF网络的小波变换模极大值重构算法

本文根据交替投影的基本思想,提出了一种基于径向基函数网络的小波变换模极大值重构方法.该方法利用径向基函数网络(RBFN)在其基函数宽度很大时具有较好的线性映射这一特性来加快收敛速度,提高重构精度.它不仅能较好地重构信号的边缘,而且能准确地重构出信号的峰值.大量仿真实验表明,该方法对各种信号是普遍适用的,具有收敛速度快,重构精度高的特点.     

边界模糊图像的径向基函数神经网络分割方法研究

边界模糊图像不同区域之间没有明确的分界,用传统的图像分割方法难以得到很好的分割结果。本文研究了径向基函数网络的工作实质及其用于图像分割的机理,分析了径向基函数神经网络的特点,针对边界模糊图像,应用不同结构的径向基函数神经网络对其进行图像分割,验证了径向基函数网络用于图像分割的有效性以及算法速度上的优越性。     

径向基函数神经网络的再学习算法及其应用

为了应用径向基函数神经网络逐步地识别待研究系统,文章针对径向基函数神经网络的再学习算法开展了深入的研究.应用严格的数学推理方法,将径向基函数神经网络的再学习问题转化为矩阵求逆的附加运算.详细给出了径向基函数神经网络再学习算法中增加新训练样本和增加新基函数的数学公式,同时对如何获取新的训练样本进行了研究.     

基于广义径向基函数神经网络的非线性时间序列预测器

该文对传统的径向基函数(RBF)神经网络的结构和学习算法进行了总结,并在此基础上提出了广义径向基函数模型概念,使这种网络具有更好的应用灵活性与可扩充性。文章基于Mackey-Glass造血模型方程的数值解数据,对此广义模型与现有的RBF模型和梯度径向基函数(GRBF)模型对非线性时间序列预测问题的应用结果进行了比较与讨论,显示出这种广义模型的应用有效性。     

神经网络和自适应模糊神经网两种算法在曲面重构中的比较

分析了应用于三维曲面重构中的神经网络和自适应模糊神经网络两种算法,并结合具体的应用例子对两种算法在物体三维模型重建及曲面再现中的优劣进行了比较.试验结果表明,在相同的网络模型训练时间及模型充分收敛的前提下,自适应模糊神经网(ANFIS)算法比神经网络(ANN)算法具有更快的收敛速度和更高的重构精度,而且ANFIS更适合对表面复杂的三维物体进行模型重构和曲面再现.     

基于紧支径向基函数内插的图像修复算法

该文提出一种基于紧支径向基函数插值的图像修复算法,该算法将图像看成残缺的三维散乱点集,将图像修复问题转化为三维数据的曲面重建问题。采用径向基函数曲面重建的方法构造出逼近三维点集的隐函数曲面,实现对残缺部分的插值,并对重构曲面采样得到残缺部分的像素值。紧支径向基函数可使求解权系数的线性系统的系数矩阵具有稀疏带状结构,从而降低算法的复杂度。实验结果表明,该算法是一种实用对图像修复算法,可得到良好的修复效果。     

新型的求解非线性盲源分离的神经网络算法的综述

本文回顾了一些最新的求解非线性盲源分离问题的神经网络算法.其中,对于多层感知器网络、径向基函数网络、多项式网络尤其关注.为了从非线性混叠信号中分解出唯一的源信号解,需要给神经网络加上一系列的限制.提出了三种结构限制的独立分量分析混合模型,接着讨论了加在源自交叉熵的原始代价函数上的额外的信号约束.     

基于径向基函数神经网络的CDMA多用户检测方法

径向基函数神经网络是一种三层前馈性神经网络,它具有较强函数逼近能力和分类能力,学习速度快等优点.本文根据径向基函数神经网络的这些优点提出了一种基于径向基函数网络的CDMA多用户检测方法(RMD).计算机模拟表明我们所提的算法具有能克服多址干扰,抑制噪声干扰和对"远-近"问题不敏感等优点,这为研究CDMA多用户检测器开辟了一条新的途径。     

一种利用自组织映射和径向基函数神经网络的网络拥塞预测方法

文中提出了一种利用自组织映射（KSOM）和径向基函数（KR）神经网络进行网络拥塞预测的方法．目前的研究表明,预测网络拥塞还存在一些问题,尤其在数据集比较小的时候．因此,为了使网络拥塞问题预测精度高,在预测过程中有必要考虑原有的数据集中每个数据之间的关系．现在为了获得更多的有价值的位置信息,采取了一系列的措施去满足不同数据的情况,包括使用自组织映射神经网络和径向基函数神经网络算法．这一过程使网络能满足不同类型的数据．在本文网络拥塞预测中,采用同一原始数据集,分别对利用自组织映射和径向基函数神经网络的算法和另外两种算法的性能进行比较．实验结果表明,利用自组织映射和径向基函数神经网络的算法具有更好的效果．     

Quantitative analysis of multicomponent mud logging gas based on infrared spectra

This work deals with quantitative analysis of multicomponent mud logging gas based on infrared spectra. An accurate analysis method is proposed by combining a genetic algorithm (GA) and a radial basis function neural network (RBFNN). The GA is used to screen the infrared spectrum of the mixed gas, while the selected spectral region is used as the input of the RBFNN to establish a calibration model to quantitatively analyze the components of logging gas. The analysis results demonstrate that the proposed GA-RBFNN performs better than FS-RBFNN and ES-RBFNN, and our proposed method is feasible.     

Wide-band dynamic modeling of power amplifiers using radial-basis function neural networks

A radial-basis function neural network (RBFNN) has been used for modeling the dynamic nonlinear behavior of an RF power amplifier for third generation. In the model, the signal's envelope is used. The model requires less training than a model using IQ data. Sampled input and output signals were used for identification and validation. Noise-like signals with bandwidths of 4 and 20 MHz were used. The RBFNN is compared to a parallel Hammerstein (PH) model. The two model types have similar performance when no memory is used. For the 4-MHz signal, the RBFNN has better in-band performance, whereas the PH is better out-of-band, when memory is used. For the 20-MHz signal, the models have similar performance in- and out-of-band. Used as a digital-predistortion algorithm, the best RBFNN with memory suppressed the lower (upper) adjacent channel power 7 dB (4 dB) compared to a memoryless nonlinear predistorter and 11 dB (13 dB) compared to the case of no predistortion for the same output power for a 4-MHz-wide signal.     

基于RBF神经网络的混沌保密通信的研究

提出一种径向基函数神绎网络(RBFNN)参数调制混沌保密通信方法。在通信系统的发射端设计一个RBF神经网络跟踪器RBFNN1，将信息信号隐藏在混沌系统状态量参数中，再进行混沌掩盖。在接收端，相应的设计一个RBF神经网络跟踪器RBFNN2，则RBFNN2的输出就是解调出的原信息信号。该方法结构简单、易于实现、同步快。通过Chua混沌系统仿真，实验结果表明是可行的。     

红外云图的台风内核风速建模的RBFNN 和PDE 方法

目前反演台风内核风场时多采用线性回归方法进行建模,针对基于线性回归法的台风内核风速拟合效果较差的缺点,提出一种基于径向基函数神经网络(RBFNN)和偏微分方程(PDE)结合的红外卫星云图有眼台风内核风速和云图灰度建模方法。首先采用基于测地活动轮廓模型的PDE提取有眼台风的眼壁,获得台风眼壁空间位置和亮度数据;然后结合台风年鉴给出的台风近中心最大风速数据基于RBFNN进行有眼台风内核风速和云图灰度建模。实验结果表明:该算法改善了台风内核风速拟合效果,算法性能优于传统的线性回归法。     

阵元位置误差影响下的神经网络测向

针对阵元位置误差情况下RBF(radial-basis function)神经网络波达方向估计,提出一种直接数据域补偿算法。这种算法通过对神经网络的输入数据进行误差补偿来获得正确的训练样本,因而在无需对RBF神经网络测向系统作任何改进的情况下,可获得对波达方向的准确估计。文中给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

牛奶中三聚氰胺浓度测定的一种新方法

对三聚氰胺牛奶溶液在紫外光激发下的荧光光谱进行了测量,用小波变换(WT)处理荧光光谱,结合径向基函数神经网络(RBFNN),建立了检测牛奶中三聚氰胺浓度的模型。对6种三聚氰胺牛奶溶液样本的浓度进行检测,检测结果相对误差分别为1.19%、2.99%、1.06%、1.43%、2.12%和3.83%。实验结果表明,该方法能快捷、准确地测定三聚氰胺在牛奶中的含量。     

基于代理模型的高速互联背板传输载体电磁兼容特性分析

针对电子整机中高速互联背板传输载体运用有限元法分析电磁兼容计算周期过长问题．采用有限元仿真分析软件AnsoftHfss、均匀试验设计和径向基神经网络（RBFNN）构建高速互联背板传输载体电磁兼容分析的代理模型,并对构建流程进行详细介绍。通过算例分析,证明该方法在保证一定精度前提下较好降低了电子整机中高速互联背板传输载体电磁兼容学科的计算周期。     

基于改进RBFNN算法的瓦斯传感器非线性校正

为了提高瓦斯传感器的精度和灵敏度,提出将改进的径向基函数神经网络(RBFNN)算法应用于瓦斯传感器系统中,对瓦斯传感器的非线性进行校正,同时分析了温度对瓦斯浓度预测的影响,然后利用RBFNN进行离散训练。实验结果表明,经过改进径向基函数神经网络(RBFNN)后,得到的数据比实际测量的瓦斯浓度要更接近于真实值,所产生的平均误差≤±0.1%。预测效果很好,达到了预期的技术指标,提高了瓦斯检测的灵敏度和精度。     

应用SVM的PM2.5未来一小时浓度动态预报模型

目前现有的PM2.5模式预报值偏离实况观测值较大。针对上述问题,从上海浦东气象局获得2012年11月~2013年11月的PM2.5实况观测浓度、PM2.5模式预报（WRF-CHEM）浓度和主要气象影响因子的模式预报数据资料,在PM2.5模式预报数据的基础上,加入另外5个主要气象影响因子的模式预报数据,应用支持向量机（SVM）建立动态预报模型,提高PM2.5未来一小时浓度预报的精度,并且与径向基神经网络（RBFNN）、多元线性回归法（MLR）、WRF-CHEM作对比。实验结果表明:该算法较大提高了PM2.5未来一小时浓度预报的精度,预报精度优于RBFNN、MLR和WRF-CHEM,并且对PM2.5浓度变化剧烈的情况具有较好地预报能力。