一种RBF网络结构优化方法

通过对ＲＢＦ网络结构的分析，结合奇异值分解方法，提出了一种ＲＢＦ网络结构优化的标准，并在此基础上实现ＲＢＦ网络结构的优化。     

网络视频数据传输的实现

文章介绍了目前流行的视频压缩算法及其基本原理，并提出了实现实时视频网络传输的两个实例。一个实例使用软件压缩的手段，给出主要代码以及几个经常出问题的注意事项。另一个使用硬件压缩的手段，作为对照。     

网络视频高倍压缩技术的推广应用

成果持有：美国e动力源有限公司 是否申请专利：是 项目所处状态：企业初创阶段（1—3年） 项目摘要：本专利软件产品是美国2011年年底美国注册的“视频图像编码压缩、传递及解压的系统和方法”专利。该专利技术具有独创性、新颖性及实用性，技术水平达到了国内外领先水平。在视频通信消费需求与通信网络容量的矛盾日益突出、庞大视频流高质高效传输给普通用户已成为视频通信发展中的“瓶颈”，而且带宽成本是许多视频商重大负担的现状下，     

数字视频压缩——用于视频传输和存储的技术方法与标准

现在，数字视频监控和网络视频已经进入了市场的主流，人们的注意力转移到用最有效的方式传输和存储数据的技术，在满足性能需求的同时降低成本。本文涉及数字视频压缩技术的范围讨论——尤其是动态JPEG（M-JPEG）、MPEG 2、以及MPEG 4——以及最适合于每种技术的适当应用。     

基于压缩域编码长度的视频显著性检测

生物学研究表明,人会 明显地注意 视频中的运动目标。为模拟该特性并快速完成视频显著图的计算,提出一种压缩域时空显著度检测方法(Temporal-Spatial Saliency in Compress Domain model,TS2CD)。分别利用H.264视频中对宏块的残差编码长度和运动矢量编码长度模拟人眼的显著性刺激强度,从而得到视频显著特征。通过线性的加权融合算法,综合两种编码长度得到的空域显著图和时域显著图,得到最终的视频显著图。在3个公开的数据库上的实验表明,TS2CD算法是当前性能最优的方法。     

基于HGA优化RBF网络的污水总氮软测量

污水处理系统是一个包含海量信息的非线性复杂系统.目的是对某污水处理厂生物脱氮系统的出水总氮(TN)进行软测量建模.先用主元分析方法实现输入变量的降维和去相关,简化径向基函数(RBF)网络的输入.再应用递阶遗传算法(HGA)确定合理的RBF网络隐层节点数、基函数宽度和中心.能够同时优化网络参数和拓扑结构,在全局范围内寻找RBF参数的最优解,实现了RBF网络的自适应优化.应用该模型对出水总氮软测量进行仿真,结果表明了该网络模型的可靠和有效,说明该软测量模型具有工业应用价值和意义.     

基于遗传算法的RBF网络用于股票短期预测

采用改进的遗传算法（GA）优化径向基函数（RBF）网络,提出了一种新颖的确定RBF网络参数的方法,并用优化的RBF网络用于股票的短期预测,其结果与实际值吻合效果较好,证明了该方法的有效性。     

基于遗传算法和RBF网络的番茄生长模型辨识

采用神经网络和遗传算法,对温室栽培番茄生长过程中主要器官——茎的生长过程进行了建模．温室番茄的生长过程具有控制变量多、生长过程复杂等特点．采用基于径向基函数(RBF)神经网络的辨识方法建立了温室栽培番茄生长的模型,以温室中番茄的实测数据为训练和预测样本,采用遗传算法进行训练．仿真结果表明．该方法较其他方法更适合于温室番茄生长过程的建模．     

基于优化RBF网络的提升机故障诊断方法

传统径向基神经网络在全局搜索能力和收敛速度上存在不足,本文将遗传算法和模拟退火算法相结合,利用构造的GA-SA混合算法优化RBF网络结构和权值参数,通过对兖州矿业集团济三煤矿提升机故障数据进行的仿真结果表明,优化网络在有效防止传统网络陷入局部最优的同时显著提高了网络收敛速度和搜索效率,网络故障诊断速度和精度均得到显著提高,为矿井提升机故障诊断提供了一种新方法。     

RBF神经网络在ECT图像重建中的应用

对采用RBF神经网络的8电极ECT系统的图像重建的方法进行了探讨。该神经网络采用遗传算法结合传统的最近邻聚类方法进行学习。仿真实验结果表明,该方法的成像精度及成像实时性较好。     

基于RBF神经网络模型的信用评估

采用神经网络模型研究信用风险评估问题,鉴于RBF神经网络计算量小、学习速度快,不易陷入局部极小而且具有很强的分类能力等优点,提出基于RBF神经网络的信用评估模型,通过试验该模型展现了良好的性能.     

基于模糊RBF神经网络的人脸识别研究

基于高斯RBF神经网络和模糊推理的函数等价性,构建了一种模糊RBF网络用于人脸识别研究,实验证明,网络有很好的学习能力,识别准确率较高,本文给出了ORL人脸库的识别结果.     

模糊RBF神经网络在时间序列建模中的应用

本文针对时间序列传统ＡＲ建模精度及算法的局限性,提出使用模糊ＲＢＦ神经网络对信号进行建模的方法,仿真结果表明,该方法具有良好的预测效果。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论：     

广义RBF神经网络预测模型在入侵预测中的应用

利用径向基函数RBF神经网络具有的分类、预测、自学习的功能,建立RBF网络预测模型并将其应用于入侵预测中来实现检测已知攻击、预测未知攻击,对检测到的网络攻击实时响应。     

RBF神经网络在刀具状态监控中的应用研究

提出了一种用RBF神经网络模型监控刀具状态的方法,并以实例验证了RBF网络的有效性。     

基于RBF和BP神经网络的DTG全解耦方法比较

为了提高动调陀螺仪（DTG）的精度,需要对DTG的解耦方法进行研究。BP神经网络解耦方法虽然可以达到DTG的全解耦目的,但是与传统的解耦方法相比仍有一些不足,如学习过程较慢,隐含层也很难确定、泛化能力较差等。因此,需要探求更好的解耦方法。通过对RBF神经网络与BP神经网络相比较,得到新的解耦方法。最后通过仿真实验,验证了RBF神经网络的解耦速度比BP神经网络快,并且准确性要高。     

基于动态K均值的RBF神经网络日降水预报模型

针对优化径向基函数神经网络的各参数问题,提出一种动态K均值混合优化RBF神经网络并应用于广西降水数据进行建立预报模型,该模型与传统的K均值RBF模型和同期的T213降水预报进行对比,结果表明。该模型建立的5月3个区域的逐日降水预报,预测的精确度明显高于同期的T213降水预报。