基于感知评价的Internet语音终端流量控制

分析了影响因特网语音通信质量的主要因素，根据实时传输控制协议计算延迟、丢包率等网络参数，并利用RBF神经网络将参数映射为语音质量评分，根据评分值的变化动态地调整语音终端的编码速率，在保证一定语音质量的同时，缓解网络拥塞。实验证明了该方法的有效性。     

RBF网络及其在卫星姿态控制中的应用

提出了一种基于RBF网络扰动力矩补偿的控制技术，通过在传统PID控制的基础上，引入RBF网络补偿环节，进一步抑制了扰动力矩的影响，提高了卫星姿态控制精度，首先给出了RBF网络的学习算法，然后根据全补偿原则设计了神经网络补偿姿态控制方案，最后结合某型卫星的姿态控制系统设计实例，进行了数学仿真，结果表明：有RBF网络补偿的系统，姿态的稳态精度得到了明显的改善。     

自适应RBF神经网络在CDMA移动通信上行链路功率控制中的应用研究

提出了一种自适应RBF神经网络功率控制方案。详细研究了该网络在DS-CDMA通信中，进行上行链路闭环功率控制(基于信扰比(SIR))的应用理论，给出了该网络参数的计算方法。最后用计算机仿真法模拟出该控制器的运行性能。结果表明基于SIR的自适应RBF神经网络功率控制器能自适应地调整移动台的发射功率，使基站接收信号的信扰比始终非常接近于一个常数，且有比定步长功率控制更小的SIR跟踪误差，从而可以降低接收信号的中断概率、提高信道容量。     

基于RBF网络和IMM的机动目标跟踪方法

文中提出了一种应用RBF神经网络对标准IMM算法中的卡尔曼滤波结果进行校正的方法。网络输人为预测误差、卡尔曼增益以及测量值与估计值之差．网络输出反映了由于目标机动所带来的滤波误差．将网络输出结果和直接由卡尔曼滤波求解得到的结果相加．可以得到更为准确的滤波值。同时．在网络的学习算法中．在网络权值矩阵的修正公式中增加了反映滤波残差的调整项．若卡尔曼滤波的残差较大，网络调整权值的幅度也相应增大。仿真结果表明．在目标发生机动转弯处．校正后的IMM算法的跟踪误差要明显小于标准IMM算法的跟踪误差．跟踪精度较高。     

Deterministic learning of completely resonant nonlinear wave systems with Dirichlet boundary conditions

In this paper, we investigate the approximation of completely resonant nonlinear wave systems via deterministic learning. The plants are distributed parameter systems (DPS) describing homogeneous and isotropic elastic vibrating strings with fixed endpoints. The purpose of the paper is to approximate the infinite-dimensional dynamics, rather than the parameters of the wave systems. To solve the problem, the wave systems are first transformed into finite-dimensional dynamical systems described by ordinary differential equation (ODE). The properties of the finite-dimensional systems, including the convergence of the solution, as well as the dominance of partial system dynamics according to point-wise measurements, are analyzed. Based on the properties, second, by using the deterministic learning algorithm, an approximately accurate neural network (NN) approximation of the the finite-dimensional system dynamics is achieved in a local region along the recurrent trajectories. Simulation studies are included to demonstrate the effectiveness of the proposed approach.     

基于小波多尺度分析的光纤陀螺振动误差分析与建模

针对振动环境对光纤陀螺性能的影响,对某型号的光纤陀螺进行了线振动实验并对实验结果进行了Allan方差分析。利用小波多尺度变换提取了光纤陀螺误差模型中的各误差项,分析并验证了零漂及噪声误差与Allan方差分析误差系数中的量化噪声、角度随机游走以及零偏误差与误差系数中的零偏稳定性、速率随机游走、速率斜坡之间的对应关系。随后利用RBF神经网络对小波多尺度分析提取的零偏误差建立模型并进行了补偿。仿真结果表明,本文提出的方法有效减小了振动环境下各误差项对光纤陀螺性能的影响, Allan方差分析结果中的五个误差系数均有较大下降,其中两项误差系数下降了一个数量级及以上,极大提高了光纤陀螺在振动环境下的输出精度,对光纤陀螺在振动环境下的误差研究具有重要指导意义。     

基于径向基的瓦斯涌出量灰色预测模型

为了进一步预防煤层瓦斯突出,实现准确、快速预测煤矿瓦斯涌出量的大小,首先采用1-AGO对样本数据进行处理,建立灰色(GM)预测模型,再利用径向基(RBF)神经网络对灰色预测模型结果进行预测,以作为其最终的预测值;采用阜新煤矿某工作面瓦斯涌出量的历史数据进行建模,实验结果表明,GM-RBF组合模型在预测精度及训练误差方面均优于单一的GM模型和RBF神经网络预测模型;算法计算简便,减弱了数据的随机性及模型误差,煤矿瓦斯涌出量的预测平均误差减小到1.57%。     

基于灰色神经网络的骨折愈合应力预测

在骨折愈合应力准确预测问题的研究中,骨折愈合受许多因素的影响,应力是主要因素之一。为了加快骨折愈合的速度和提高质量,及时了解骨折愈合过程中应力的变化趋势并调整加力的大小,就显得很重要。然而应力的变化是不确定的,用传统的观察法医生很难确定次日应力的大小,用单一的GM(1,1)模型预测精度也不高。根据神经网络能有效修正灰色预测模型的思路,提出了基于灰色系统理论及径向基神经网络的组合预测模型。先用灰色系统理论中的GM(1,1)模型,用已有的实测应力数据对次日的骨折断面应力进行预测,然后用实测值与预测值的差值训练神经网络,从而可以对灰色预测的值进行修正。实验结果表明:提出的应力预测的模型获得较高的预测精度,说明组合预测模型效果优于单一的灰色预测模型。     

基于PCC-RBF网络的风电功率短期预测方法

风电功率预测对风电场安全平稳运行、电网调度具有重要意义。针对风电功率短期预测指标选择不合理、预测精确度偏低的问题,提出一种基于皮尔逊相关系数(PCC)和径向基函数(RBF)神经网络的风电功率短期预测方法。该方法利用PCC筛选出与风电功率密切相关的3个指标,即电流、温度、风速,然后以这3个指标作为预测模型的输入对风电功率进行RBF样本训练与短期预测。试验结果表明,所提的预测模型预测误差更小,预测精度更高,能够满足风电功率短期预测的要求,具有广泛的应用前景。     

基于PCA-RBF网络模型的硫化矿自燃安全性研究

为了更加准确地预测硫化矿自燃安全性,综合考虑硫化矿自燃倾向性及火灾后果严重性,将硫化矿自燃安全性划分为9个等级,并选取矿山含硫量、矿山含碳量、矿石温度、矿石堆放时间、采场人员数量、氧气浓度和采场矿层厚度作为评价因素集。利用主成分分析法（Principal Component Analysis,PCA）对94个采场样本数据进行降维处理,得到包含70%以上原始信息的3个主成分。将降维后的84组数据作为基于径向基函数神经网络（Radial Basis Function Neural Network,RBF）预测模型的训练样本,10组数据作为检验样本进行硫化矿自燃安全性预测。最后分别利用十折交叉验证法和留一法对94组检验样本的自燃安全性预测结果进行检验,得到硫化矿自燃安全性预测准确率分别为92.55%和91.49%。研究结果表明：PCA-RBF网络模型对硫化矿自燃安全性的预测性能良好,且优于未经主成分分析的结果。