用B样条有限元法解轴对称谐振腔问题

本文利用以双二次Ｂ样条函数为基函数的Ｂ样条有限元法求解轴对移谐振腔问题。     

B样条函数与图像边缘检测

介绍一种基于Ｂ样条函数的边缘检测算子,该算法是利用Ｂ样条函数对原始图像进行拟合,然后求拟合曲面一阶导数的模极大值或二阶导数的零交叉点来检测图像的边缘。根据Ｂ样条函数的局部性质给出了其平滑、一阶和二阶导数的具体卷积模板,该算法简洁,便于实时处理。     

基于三次样条时域基函数的MOT算法精确求解细直线瞬时电磁辐射和散射问题

提出了采用三次样条函数作为时域基函数求解良导体细线时域积分方程(TD-EFIE)的MOT(Marching on in time)算法,由于三次样条函数是非因果的,算法中采用有限带宽信号的一步外推方法,估计将来值。三次样条函数作为时间基函数,具有插值精度高、支撑区域小的特点,在保证计算精度的情况下降低了信号采样率和计算的复杂性,提高了MOT算法的后时稳定性。计算结果表明了算法的有效性。     

计算曲线天线电流分布的一种新途径──参数形式下的B样条有限元法第一部分：方法介绍

本文针对目前在计算曲线天线电流分布时存在的剖分误差问题，提出了参数形式下的Ｂ样条有限元法。该方法具有避免剖分误差、实施简便、计算精度高等优点。文中首先介绍Ｂ样条函数和Ｂ样条基，然后建立参数形式下的Ｂ样条有限元方程，最后以圆环天线为例，说明方法的实施过程和有效性。     

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）模型对一笥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。     

基于自适应投影学习算法的径向基函数网络设计及应用

基于自适应投影原理,本文提出了构造和训练径向基函数网络的自适应投影学习算法,该算法能迭代地确定径向基函数的个数、中心的位置以及网络的权系数,从而提供了生成径向基函数网络的一个简单和有效的方法.通过应用于信道均衡器和时间序列预报信号处理领域中的两个例子,进一步证明了该算法是行之有效的.     

一种用于雷达目标识别的新型径向基函数网络

在分析径向基函数网络（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎＮｅｔｗｏｒｋ，ＲＢＦＮ）的基础上，提出了一种更适合于目标识别的基于模糊聚类的径向基函数网络（ＦｕｚｚｙＣｌｕｓｔｅｒｉｎｇＢａｓｅｄＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎＮｅｔｗｏｒｋ，ＦＣＢＲＢＦＮ）。这种网络利用模糊聚类方法，根据训练样本的空间分布确定网络的结构，利用聚类结果中的隶属度函数值控制高斯核函数形状参数。理论分析还表明，此径向基函数网络具有比一般径向基函数网络更强的泛化能力。利用一种战场侦察雷达获取的回波数据进行实验，结果表明，基于模糊聚类的该径向基函数网络的分类结果优于一般径向基函数网络。     

基于径向基函数网络的雷达目标一维像识别技术研究

本文研究了利用递推最小二乘方法训练的径向基函数网络用于雷达目标一维像的识别与分类问题，证明了ＲＢＦＮ与Ｐａｒｚｅｎ窗函数概率密度估计的等价性，指出ＲＢＦＮ隐层单元传输函数可以推广到一般的Ｐａｒｚｅｎ概率核函数或势函数形式。还就高斯、三角、双指数三种核函数讨论了径向基函数网络形状参数ａ，递推最小二乘算法的遗忘因子λ对识别结果的影响以及λ与网络训练时间的关系。     

基于B样条的小波分解快速算法

在对一类广义多分辨模型研究基础上，以样条函数空间为例，全面剖析了基于Ｂ样条函数的多分辨塔式结构与算法，并详细给出了各滤波器参数。对一维信号与二维图象的仿真研究表明该算法简洁、快速，具有推广应用价值。     

基于RBF神经网络的自适应均衡器研究

在研究基于径向基函数(ＲＢＦ)神经网络的均衡器结构以及传统自适应均衡算法的基础上,提出了两种新的基于ＲＢＦ神经网络的自适应均衡器,并给出了相应的自适应均衡算法。新的均衡器是将判决反馈引入到ＲＢＦ神经网络中以及将Ａｄａｌｉｎｅ网络与ＲＢＦ网络有机的结合而分别构成的,仿真结果表明这两种新算法比基于ＲＢＦ神经网络的自适应均衡算法都具有更好的收敛性能。     

基于广义B样条滤波器的图像边缘检测

为了更准确有效地提取图像边缘,提出一种基于广义B样条数字滤波器的边缘检测算法.首先由线性微分方程推导出广义B样条的一般形式.其后,利用广义B样条函数组建了边缘检测微分算子模板,该模板继承了广义B样条尺度因子α,通过调节α,可以改变边缘算子滤波器的幅值特性和带通特性,进而获得边缘表征的最佳效果.而后,结合变分公式和广义B样条函数构造广义B样条光滑滤波器,该滤波器实现了在光滑滤波意义下的直接样条变换,与边缘检测模板算子配合使用可提高边缘检测的抗噪能力.实验证明：该边缘检测算法能有效地检测出图像边缘,无论是边缘提取效果还是抗干扰能力都优于传统的差分算子.     

B样条有限元法解矩形域边值问题的高斯积分矩阵传递算法

B样条有限元法是解决二维矩形场域中电磁场问题的一种理想的数值计算方法.该方法计算精度高,并且能保证场量应有的连续性.本文构造了一种能快速实施B样条有限元方法的高斯积分矩阵传递算法(TGIMA).该算法通过矩阵形式积运算将每一个高斯积分点的B样条函数值传递到B样条有限元方程的总体系数矩阵中,避免了B样条子段函数互乘的积分运算,从而极大地降低了计算的复杂度.这种算法易于程序实现,有效地减少了计算量.     

Interactive Natural Image Segmentation via Spline Regression

This paper presents an interactive algorithm for segmentation of natural images. The task is formulated as a problem of spline regression, in which the spline is derived in Sobolev space and has a form of a combination of linear and Green's functions. Besides its nonlinear representation capability, one advantage of this spline in usage is that, once it has been constructed, no parameters need to be tuned to data. We define this spline on the user specified foreground and background pixels, and solve its parameters (the combination coefficients of functions) from a group of linear equations. To speed up spline construction, K-means clustering algorithm is employed to cluster the user specified pixels. By taking the cluster centers as representatives, this spline can be easily constructed. The foreground object is finally cut out from its background via spline interpolation. The computational complexity of the proposed algorithm is linear in the number of the pixels to be segmented. Experiments on diverse natural images, with comparison to existing algorithms, illustrate the validity of our method.     

Can threshold networks be trained directly?

Neural networks with threshold activation functions are highly desirable because of the ease of hardware implementation. However, the popular gradient-based learning algorithms cannot be directly used to train these networks as the threshold functions are nondifferentiable. Methods available in the literature mainly focus on approximating the threshold activation functions by using sigmoid functions. In this paper, we show theoretically that the recently developed extreme learning machine (ELM) algorithm can be used to train the neural networks with threshold functions directly instead of approximating them with sigmoid functions. Experimental results based on real-world benchmark regression problems demonstrate that the generalization performance obtained by ELM is better than other algorithms used in threshold networks. Also, the ELM method does not need control variables (manually tuned parameters) and is much faster.     

FIR带通滤波器优化设计研究

提出了一种基于BP学习算法的正弦基函数神经网络模型，给出了该社会网络模型的收敛性条件，为社会网络训练的学习效率选取提供了依据。根据本文提出的优化设计算法，作者详细研究了FIR线性相位带通滤波器优化设计实例，研究结果表明，本文设计的FIR带通滤波器，基阻带衰耗特性好，最小衰耗分别在100分贝和140分贝以上，这是任何其它优化设计方法难以实现的，研究结果表明了本文提出的基于BP算法的正弦基神经网络模型是一种有效的神经网络模型。     

Flexible estimation of probability and cumulative density functions

A novel, simple and effective algorithm for the estimation of the probability density function and cumulative density function is presented. The algorithm is based on an information maximisation approach. The nonlinear function involved in the algorithm is adaptively modified during learning and is implemented by using a spline function.     

BP算法的改进在Matlab的实现研究

利用Matlab中的神经网络工具箱提供的丰富网络学习和训练函数,对BP网络和BP算法的优化方素进行仿真．得到较优的BP算法。     

数字图象几何变换的B样条算法和硬件实现

本文提出了一种利用B样条函数进行数字图象几何变换的算法。在给定一组特殊的规则控制栅格点的条件下,构成B样条变换式。此变换算法保证给出的控制栅格点的准确对应,可得较高的精度。在小型图象处理系统中可用一种专用的变换解算装置来实现。 本文还提出开窗几何变换的自动实现。     

径向基函数神经网络的软竞争学习算法

本文构造了径向基函数(RBF)神经网络的一类软竞争学习算法(SCLA).该算法的主要思想是首先在高斯基函数中心向量的训练过程中引入了隶属度函数,对每个输入样本,所有中心向量根据该样本属于其代表的类的隶属度值的大小进行自适应地调整;第二,把隶属度函数的模糊因子的倒数与模拟退火算法中的温度等同起来,在迭代过程中采用递增的方式来调整它.SCLA是RBF网络基于k-均值方法训练中心向量的学习算法的软竞争格式,它可以克服后者对初始值敏感和死节点的问题.仿真实验论证了SCLA是有效的.     

RBFN restoration of nonlinearly degraded images

We investigate a technique for image restoration using nonlinear networks based on radial basis functions. The technique is also based on the concept of training or learning by examples. When trained properly, these networks are used as spatially invariant feedforward nonlinear filters that can perform restoration of images degraded by nonlinear degradation mechanisms. We examine a number of network structures including the Gaussian radial basis function network (RBFN) and some extensions of it, as well as a number of training algorithms including the stochastic gradient (SG) algorithm that we have proposed earlier. We also propose a modified structure based on the Gaussian-mixture model and a learning algorithm for the modified network. Experimental results indicate that the radial basis function network and its extensions can be very useful in restoring images degraded by nonlinear distortion and noise.