竞争型径向基过程神经网络时序分类器

针对时序分类问题,提出一种竞争型径向基过程神经网络时序分类器.给出了复合竞争过程神经元单元的定义,引入复合竞争过程神经元隐层,利用竞争型径向基过程神经网络输入为时变函数的特点,由复合竞争过程神经元单元完成对过程式输入信息的模式匹配和时空聚合运算,给出了具体学习算法,省去了输出层线性连接权的计算,简化了网络结构和训练过程,提高了网络泛化能力.最后以UCI数据集多变量时序分类问题验证了分类器的有效性.     

用于风电功率预测的RPCL优化神经网络模型

为了提高风电功率预测的准确度,提出了一种基于对手竞争惩罚学习算法( rival penalized competitive learning,RPCL)优化径向基函数( radial basis function,RBF)神经网络的风电功率预测模型。首先通过RPCL确定网络隐含层神经元数目以及中心点初始值,然后由K均值聚类法确定隐含层神经元的中心点和宽度,最后通过最小均值算法确定隐含层神经元与输出层神经元之间的权值。仿真结果表明：此优化模型相较于传统RBF网络具有更高的准确性。     

采用遗传神经网络的轮轨力建模方法

为解决轮轨力建模问题,提出了一种基于遗传算法和径向基函数神经网络的轮轨力建模方法,该方法基于轨道不平顺输入实现了轮轨力的预测．在径向基函数神经网络的中心、宽度和权值参数上,分别采用遗传算法、最大距离法和最小二乘法来确定,从而提高建模精度并减轻该算法的计算量,实现了快速准确的轮轨力神经网络建模．仿真试验结果表明:提出的轮轨力建模方法具有较高的预测性能．     

基于Yolov5的快速双目立体视觉测距研究

针对传统双目测距方法存在的需要对摄像头进行标定、立体匹配算法时间复杂度高等问题,本文主要对快速双目立体视觉测距进行研究。给出了双目测距原理,提出了一种基于Yolov5的目标检测算法和径向基函数神经网络相结合的双目测距方法,建立了基于径向基函数神经网络的距离预测模型,并采用神经网络中的径向基函数神经网络进行距离预测。实验结果表明,经过训练的优化模型,能实时目标检测、快速计算出目标距离,实时性大幅增加,预测距离的精度可达97.7%。同时,径向基函数神经网络与卷积神经网络相结合的方法,在双目测距中具有速度快、精度高的特点。该方法无需对摄像头进行标定,充分利用目标检测得到的信息,简化图像匹配算法。该研究对自主移动机器人和无人驾驶汽车具有重要意义。     

两种智能高效预测方法及其在人机系统中的应用

提出了两种高预测效率、高泛化能力的数值计算方法,一种方法是小波神经网络（Wavelet NeuralNetwork,WNN）算法;另一种是基于小波尺度函数的WSK-SV（Wavelet Scaling Kernel-Support Vector）算法.WNN算法将小波函数与BP神经网络方法相结合,通过输入层、隐含层、输出层间的连接权重以及隐含层使用的激励函数构成了这种算法的关键技术;WSK-SV算法将小波的尺度函数与SV（Support Vector）方法相结合,使这种算法既保持了SVM（Support Vector Machine）的优点,又具有很好的泛化能力.上述两种算法都属于计算智能（Computational Intelligence,简称CI）方法并用于人机系统的性能预测.     

多值多门限神经元函数的相关性和频谱分析

为衡量单个多值多门限神经元的计算能力,引入了与多值多门限神经元函数有关的2个代数几何概念:相关性和扩展频谱.利用相关性,给出对于一组固定的输入函数,不同输出函数个数的上限.利用扩展频谱,给出为了使得神经元能够计算任意输出函数,所需输入函数个数的下限.这2个界限,给出了单个多值多门限神经元的计算能力.同时,输入函数个数的下限,给出了当用多值多门限神经元组成的三层前馈神经网络实现任意多值函数时,网络复杂度的下限.     

Hermite前向神经网络隐节点数目自动确定

从函数逼近论出发,构造了一类以Hermite正交基为激励函数的前向神经网络.在保证网络逼近能力的前提下,令其输入层至隐层的权值和各神经元阈值分别为1和0,导出了基于伪逆的隐层至输出层最优权值的直接计算公式.并针对Hermite前向神经网络,提出一种依照学习精度要求而逐次递增型的隐节点数自动、快速、准确的确定算法.对多个目标函数的计算机仿真和预测结果表明,该神经网络权值直接确定方法和隐节点数自动确定算法能很快地找到最优的隐节点数及其对应的最优权值,且网络具有较好的预测能力.     

改进BP算法在过程神经网络中的应用

过程神经网络是一种基于过程神经元的新型神经网络,其输入及权值皆为时序函数.针对基本BP算法的一些不足,将一种改进BP算法应用于前馈过程神经网络的训练之中,提高了网络的学习效率,扩展了过程神经网络的训练算法理论.在改进BP算法与网络训练的结合过程中,权函数及输入函数皆被用同一正交基函数展开.最后基于改进BP算法将过程神经网络应用于了飞机发动机尾气温度指数的预测当中,验证了算法的有效性,同时也展示了过程神经网络广泛的应用前景.     

利用径向基函数改进算法实现函数逼近

分析了径向基函数神经网络(RBFNN)的原理,总结出径向基函数网络的一种实用插值算法.按照此方法对实际的例子进行了计算,结果表明,本算法快捷、可靠.     

一种基于混合遗传算法学习的过程神经网络

提出了过程神经网络的一种学习算法.利用基函数的正交性,将输入函数和网络权函数表示为同一组正交基的展开形式后,使用遗传算法与BP算法结合的混合遗传算法训练过程神经网络,为简化计算,对权值基函数的选取和离散数据的函数拟合方法进行了调整,减少了误差.并以木材生长密度预测为例,验证了算法的有效性.     

BP神经网络预测方法的改进及其在隧道长期沉降预测中的应用

对已有的BP神经网络预测方法做了进一步的改进,通过对比选取了最优的网络训练模式和传递函数;利用反复训练和统计学原理推导了适用于确定单个隐含层神经元个数的解析式,并提出了与其相适应的归一化方法、最优归一区间和最优隐层神经元个数的取值范围;指出当输入神经元大于3个时,采用具有双隐含层结构的BP神经网络进行预测的效果远好于单个隐含层结构.对隧道结构整体沉降进行了预测,效果满意,为合理选择后续施工工艺提供了依据.     

Soft sensor for ratio of soda to aluminate based on PCA-RBF multiple network

Based on principal component analysis, a multiple neural network was proposed. The principal component analysis was firstly used to reorganize the input variables and eliminate the correlativity. Then the reorganized variables were divided into 2 groups according to the original information and 2 corresponding neural networks were established. A radial basis function network was used to depict the relationship between the output variables and the first group input variables which contain main original information. An other single-layer neural network model was used to compensate the error between the output of radial basis function network and the actual output variables. At last, The multiple network was used as soft sensor for the ratio of soda to aluminate in the process of high-pressure digestion of alumina. Simulation of industry application data shows that the prediction error of the model is less than3%, and the model has good generalization ability.     

Rough set and radial basis function neural network based insulation data mining fault diagnosis for power transformer

The power transformer is the major electrical com-ponent in power systems, and its correct functioning isvital to system operation. At present, researchers haveproposed such fault diagnosis methods as expert sys-tem, neural network and so on for power tra…     

Forecasting increasing rate of power consumption based on immune genetic algorithm combined with neural network

Considering the factors affecting the increasing rate of power consumption, the BP neural network structure and the neural network forecasting model of the increasing rate of power consumption were established. Immune genetic algorithm was applied to optimizing the weight from input layer to hidden layer, from hidden layer to output layer, and the threshold value of neuron nodes in hidden and output layers. Finally, training the related data of the increasing rate of power consumption from 1980 to 2000 in China, a nonlinear network model between the increasing rate of power consumption and influencing factors was obtained. The model was adopted to forecasting the increasing rate of power consumption from 2001 to 2005, and the average absolute error ratio of forecasting results is 13.521 8%. Compared with the ordinary neural network optimized by genetic algorithm, the results show that this method has better forecasting accuracy and stability for forecasting the increasing rate of power consumption.     

基于径向基神经网络的光栅细分方法

为了研究细分精度高、位移跟踪速度快的光栅位移测量系统,提出一种基于径向基神经网络的光栅细分方法.利用三层RBF神经网络,在一个莫尔条纹信号周期内取多个样本点,并把多个样本点所对应的正切值作为网络的输入,将该样本点在一个栅距内的微位移量作为目标输出,建立合理的神经网络模型,与DSP相结合实现莫尔条纹细分.通过对样本点的分段学习,证明了仅用少量的神经元即可实现高精度细分.该神经网络结构简单,非线性逼近能力强,通过对非样本点数据的实验验证,证明了该系统的可行性,具有一定的实用价值.     

基于最优输入径向基网络的风电功率预测方法

随着风电的大规模接入电网,对风电功率未来出力的把握显得尤为重要,而风电功率预测技术则是掌握出力特性的有力工具。基于实测历史数据,研究系统不同输入量对预测结果误差的影响,选取最佳输入量值;并在此基础上,构建基于RBF（径向基）神经网络的风电功率预测模型,对风电功率进行有效预测;预测结果表明,基于径向基神经网络的预测方法预测精度较高,可以为电网提供更加准确的风电预测出力信息,有助于为调度制定更加合理有效的计划。     

神经网络在图像压缩中的应用研究

探讨应用神经网络实现图像压缩和解压缩技术。神经网络结构由两组三层ＢＰ网络嵌套而成，分别为输入层、结合层、压缩层、分解层和输出层。由ＲＧＢ彩色模式的ＢＭＰ图像文件产生样本数据，采用ＢＰ算法的一种扩展型，即嵌套训练算法，对网络进行训练，得到有效的模拟结果。     

基于免疫模糊聚类RBF网络的交通信息融合算法

在径向基函数(radial basis function,RBF)神经网络应用于交通信息融合的研究中,采用模糊C均值(fuzzy C-means,FCM)聚类算法确定径向基网络隐层中心点,一般随机初始化聚类中心,训练过程容易陷入局部极小.结合人工免疫系统的克隆选择原理,提出了一种新的产生初始聚类中心的方法,与FCM聚类算法有机集成,共同训练径向基函数网络的结构参数.该方法避免了网络训练陷入局部最优的问题,收敛速度有所提高,得到了较好的融合效果.实例仿真验证了算法的有效性和实用性.