基于RBF神经网络的电力客户信用评估模型

构建基于RBF神经网络的电力客户信用评估模型。为了改善样本的质量和降低训练神经网络时对样本的处理成本,对原始样本进行主成分分析,利用提取的少数主成分作为新的综合指标再进行评估模型的构建。同时通过改进MatLab神经网络工具箱中的RBF神经网络设计函数,构建高分类能力的网络模型。实验证明该信用评估模型的有效性。     

一种应用PSO优化RBF神经网络的方法

RBF神经网络算法是一种常用的数据训练方法,在该训练过程中,如何选取更合理的个体作为RBF神经网络的神经元,直接关系到该数据训练方法的性能.利用传统的RBF神经网络模型进行数据训练,由于不同的神经元之间的差异性较小,造成建立的RBF神经网络集成模型的精确度过低.为此,提出应用PSO优化RBF神经网络的方法.动态构造PSO优化RBF神经网络结构,针对不同的动态构造方法进行分类,得到网格删除法、网络构造法和综合法等不同的动态构造方法,在动态构造的基础上,建立引用PSO优化RBF神经网络模型,计算RBF神经网络中的粒子变量,获取对应的适应性值,得到RBF神经网络的输出结果,实现应用PSO优化的RBF神经网络建模.实验结果表明,利用改进算法进行RBF神经网络构建,能够降低RBF神经网络的数据训练误差,满足实际需求.     

基于RBF神经网络的光电装备作战效能评估

为了提高光电装备作战效能评估的客观性,在构建效能评估指标体系的基础上,建立作战效能评估RBF神经网络模型,通过试验数据样本进行学习训练RBF神经网络模型。最后,利用训练好的RBF神经网络模型对光电装备作战效能进行评估,结果表明基于RBF神经网络的光电装备作战效能评估模型具有一定实用性和可行性。     

RBF神经网络的研究与应用

神经网络是对人脑神经系统的数学模拟,其目的是学习和模仿人脑的信息处理方式。文章介绍了神经网络的原理和模型、RBF神经网络的学习过程以及采用RBF神经网络进行高压断路器故障诊断的训练过程。     

RBF神经网络的研究与应用

神经网络是对人脑神经系统的数学模拟,其目的是学习和模仿人脑的信息处理方式。文章介绍了神经网络的原理和模型、RBF神经网络的学习过程以及采用RBF神经网络进行高压断路器故障诊断的训练过程。     

基于神经网络的矿用红外瓦斯传感器检测模型的研究

文章简要介绍了瓦斯红外检测原理,指出了传统吸收型模型的不足,基于RBF神经网络的非线性逼近能力建立了一种红外瓦斯传感器检测模型,给出了RBF神经网络的组织,并对RBF神经网络进行了训练,得到了红外瓦斯传感器检测模型的RBF神经网络结构。实验结果表明,该模型误差小、精度高,可满足煤矿井下应用的需要。     

基于模型输出敏感度分析法的动态RBF神经网络设计

针对一般RBF神经网络在学习过程中网络结构不能改变的问题,提出一种动态RBF神经网络结构设计方法．算法的实质是利用敏感度分析法（SA）对神经网络模型的输出进行分析,通过判断隐含层神经元的输出对整个网络输出的影响,删除RBF隐含层中冗余的神经元,实现对神经网络的动态修剪．非线性函数逼近结果及动态系统建模结果表明,该动态RBF神经网络具有较好的性能;与最小RBF（MRBF）神经网络相比,采用所提算法能得到更小的检测误差和更短的训练时间,最终网络结构紧凑．     

广义模糊推理与广义模糊RBF 神经网络

在提出广义模糊推理概念的基础上,提出并分析了广义模糊径向基(RBF)神经网络模型,给出了该网络的广义学习算法。仿真结果验证了广义模糊RBF神经网络模型具有良好的函数逼近能力,所提出的学习算法是可行和有效的。     

神经网络在股票价格预测中的研究

研究准确优化预测股票价格问题,针对影响股票价格具有非线性、不稳定的特征,股票价格由于受到社会经济因素的影响,变化大.采用传统神经网络方法在股票价格预测中易陷入局部极小值,泛化能力受到影响.为了提高股票价格精度,提出一种基于粒子群优化算法(PSO)的RBF神经网络(RBFNN)股票价格预测模型.利用粒子群优化算法的良好的寻优能力,对RBF神经网络参数进行优化,从而加快RBF神经网络运算速度,并提高了RBF神经网络的预测精度.利用粒子群优化的RBF神经模型对上证指数(000001)股票价格进行了验证性测试和分析,实验结果表明,相对于各参比模型,经过粒子群优化的RBF神经网络模型预测方法有更好的收敛性,更强的学习能力,显著地提高了预测精度,可为预测提供依据.     

神经网络在信息安全风险评估中应用研究

针对信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在-定的局限性.为了提高安全风险评估性能,将RBF神经网络理论、粒子群算法分析以及模糊评价法进行有机结合,建立了一种粒子群优化的RBF神经网络信息安全风险评估模型.首先通过模糊系统对信息安全风险因素指标进行量化,将模糊系统的输出输入到RBF神经网络的模型中,然后利用粒子群算法对RBF神经网络的参数进行优化并加以训练,最后得到优化评估模型.进行仿真的结果表明,改进的RBF神经网络模型可实现对信息系统的风险评估,解决了传统评估方法所存在的主观随意性大、结论模糊等缺陷,并且比RBF神经网络具有更高的拟合精度、更强的学习能力和更快的收敛速度.     

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。     

神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

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。     

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。     

基于聚类的个人信用评分模型研究

信用卡公司是一个服务性的金融企业,如何提高在服务过程中的服务质量,改进服务方法,使公司的决策更为准确及时,是信用卡公司追求的一个目标。本文介绍了神经网络方法及数据挖掘技术在信用卡公司对用户评分中的应用,对比分析了几种个人信用评分模型建模方法的特点,建立了一种决策树-神经网络个人信用评分模型,并针对该模型提出了一种近邻聚类算法,该算法在信用评分应用中可以得到较理想的结果。     

气动油压伺服系统的智能PID控制研究

针对经典的基于对象精确模型的PID控制方法自适应性差,难以适应具有非线性、时变不确定性的被控对象,提出了一种基于RBF神经网络的、结构简单的PID自适应控制方法。将该智能PID控制应用于气动油压伺服系统中,实验结果表明:具有自学习和自适应能力的RBF网络PID控制方法,能够适应被控对象在较大范围内的变化,具有较强的鲁棒性,其控制品质明显优于常规PID控制方法,将其应用于气动油压伺服系统是可行的。     

一种结构自适应径向基函数神经网络

提出了一种新的结构自适应的径向基函数(RBF)神经网络模型。在该网络中,自组织映射(SOM)神经网络作为聚类网络,采用无监督学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,作为径向基函数的中心和相应的权值向量;RBF神经网络作为基础网络,采用高斯函数实现输入层到隐层的非线性映射,输出层则采用有监督学习算法训练网络的权值,从而实现输入层到输出层的非线性映射。通过对字母数据集进行仿真,表明该网络具有较好的性能。     

基于RBF NNI的单神经元PID模型参考自适应控制

RBF神经网络是一种性能良好的前向网络,它具有最佳逼近性能。本文中基于RBF神经网络,以单神经元PID作为控制器NNC,RBF网络作为辨识器,实现对被控对象的雅谷比信息辨识。传统的系统辨识方法包括以脉冲响应、最小二乘法为基础和最大似然法等,普遍存在难以克服的不足。本文的辨识方法及模型参考自适应控制方法具有计算速度快、推广和逼近、收敛特性良好等诸多优点,通过本文中的实例仿真,可以看出运用基于RBF神经网络辨识的单神经元PID模型参考自适应控制的系统输出可以达到对输入精确的跟踪效果。     

基于动态RBF神经网络的遥感图像中烟辨识

针对森林火灾的突发性和分散性特点,根据森林火灾中的烟影像的特征,结合RBF神经网络分类器通用性的特点,采用PCA方法降低图像的维数和Fisher线性判别方法提取遥感图像中烟的影像特征,用特征值数代替训练样本数,并作为RBF网络输入数,在对样本训练的过程中提出一种改进型的混合算法。仿真实验表明,该算法对烟图像识别的准确率较高。     

基于GA-RBF模型的无线电波信号预测研究

随着通信行业的发展,无线电波信号的预测问题成为科学研究的重要课题。因此研究了一种基于遗传算法优化径向基神经网络参数的无线电波信号预测模型,通过实验表明,这种经过遗传算法优化的模型比单纯的RBF网络模型预测精度更高,运行更稳定。