基于免疫应答的RBF网络在动态多用户检测中的应用

径向基函数神经网络是一种具有局部逼近能力的前向神经网络,可用作码分多址中的多用户检测器,有较好的检测性能;但是目前的RBF网络多用户检测器收敛慢,不能针对实时变化的动态信道作跟踪.针对动态信道中的多用户检测问题,借鉴免疫系统二次应答原理提出了一种基于免疫机制的RBF网络.该方法结合免疫记忆机制和免疫应答机制设计免疫算子,针对动态模型中的稳定部分和突变部分作不同强度的训练;借鉴免疫系统的二次应答机制,较大地降低了算法复杂度,并且收敛快、鲁棒性强,提高了在变化的信道中的多用户检测器的动态追踪能力.     

RBF网络雷达天线扫描方式识别系统

采用一种基于免疫算法和最小二乘法的两级学习方法设计径向基函数(RBF)网络,并将其应用于雷达天线扫描方式识别系统。这种RBF网络学习方法通过引入免疫算法的多样性保持机制和免疫记忆机制提高了网络训练算法的优化效率,并在一定程度上抑制了未成熟收敛现象。仿真结果表明,基于这种RBF网络的雷达天线扫描方式识别系统达到了较高的识别精度。     

RBF神经网络LM算法的改进

文章对现有的RBF神经网络算法进行改进,改进的基本思想是：采用L-M算法训练RBF网络,并对L-M算法的重要参数提出一种随迭代步数的动态调整方法,从而提高运算的精度和效率,并经过仿真验证了提出改进方案的有效性。     

基于免疫的自适应安全模型

借鉴人类免疫系统的研究成果,建立了一个基于免疫规则的网络自适应系统模型.该模型通过引入系统脆弱等级评定变量,并根据系统当前安全态势与系统性能状态对网络安全策略进行动态调整,以实现网络的自适应性安全.在对安全风险评估部件、安全等级调整部件以及安全操作执行部件进行功能阐述的基础上,重点对安全风险评估部件的工作流程进行了重新设计.分析表明,该模型系统具有分布性、自学习性和自适应性的特性.     

基于免疫RBF网络阵列的雷达信号分类识别方法

本文提出了基于免疫算法设计的径向基函数(RBF)网络阵列实现对雷达信号体制和用途的分类识别.同单个神经网络相比,这种方法克服了识别类型较多时存在的扩充、修改、维护等难点.在RBF子网络的训练中,采用结合记忆机制的递阶免疫算法确定RBF网络的隐层参数,有效折衷了系统性能和运算量之间的矛盾.实验结果表明,采用这种方法设计的雷达信号识别系统达到了很高的性能.     

基于免疫机制的RBF网络在OFDM信道估计中的应用

针对OFDM系统的信道估计问题，提出了一种新型的基于免疫机制的RBF网络信道估计方法。该算法能够有效提高网络训练精度，改善进化训练算法的未成熟收敛问题。在低信噪比，快衰落的恶劣信道情况下，文中采用的RBF网络相对传统算法表现出了优异性的性能，设计出的信道估计器可以达到很高的测量精度。     

一种改进RBF神经网络的机器人轨迹规划方法

在应用径向基函数RBF(Radial Basis Function)神经网络对机器人进行轨迹规划时,为解决一般学习算法中收敛速度慢、学习精度不高的问题,提出一种混合学习算法.该方法根据轨迹规划的具体要求,用最近邻聚类算法确定网络的结构和参数,通过在学习速率中加入自适应学习因子调整网络参数,以加快收敛速度.通过MATLAB软件进行仿真,结果表明混合学习算法收敛速度较快,逼近误差小,从而证明了该算法的可行性.     

基于人工免疫机制的RBF网络混合训练算法

基于人工免疫聚类机制和免疫进化算法,提出了一种新型的设计RBF网络的混合算法。该方法利用人工免疫聚类机制,根据输入数据集合自适应地确定RBF网络核函数的数量及其中心的初始位置。采用免疫进化算法训练RBF网络,进一步缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度。计算机仿真表明,这种RBF网络结构精简并具有较强的泛化能力。     

基于动态神经网络在线辨识的PID控制

针对工业控制领域中复杂非线性时变系统和传统RBF神经网络辨识PID控制的不足,提出了一种基于聚类结合算法的动态RBF神经网络在线辨识PID自适应控制方法.通过优化的动态RBF辨识神经网络更好地描述了控制对象的动态行为,获得PID参数在线调整信息,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比该方法具有较高的控制精度,较快的系统响应,较强的适应性和鲁棒性.     

基于人工免疫机制的RBF 网络混合训练算法

基于人工免疫聚类机制和免疫进化算法,提出了一种新型的设计RBF 网络的混合算法。该方法利用人工免疫聚类机制,根据输入数据集合自适应地确定RBF 网络核函数的数量及其中心的初始位置。采用免疫进化算法训练RBF 网络,进一步缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度。计算机仿真表明,这种RBF 网络结构精简并具有较强的泛化能力。     

基于人工免疫RBF神经网络的时间序列预测方法研究

研究了一种基于免疫识别原理的径向基函数神经网络学习算法,该算法将所识别的数据作为抗原,抗体为抗原的压缩映射并作为神经网络模型的隐层中心,采用最小二乘法确定权值,提高了RBF神经网络收敛速度和精度.将人工免疫RBF神经网络应用于时间序列预测中,实例仿真结果证明了算法的有效性和可行性,为时间序列预测提供了一种新途径.     

人工免疫系统的研究进展与展望

人工免疫是受生物免疫系统的启发而发展起来的,并逐步成为人工智能研究的热点。首先介绍人工免疫系统的生物原型,并对免疫系统群体计算中的免疫学习、免疫记忆、免疫遗传等算法进行描述;对近几年典型的人工免疫算法与系统进行了深入探讨,通过人工免疫算法在不同领域的应用,展示人工免疫系统在解决复杂问题时具有自组织、自适应、鲁棒性的特点。最后提出免疫算法在未来一段时间内的发展趋势与应用领域,尤其是在免疫协同防御、人工免疫系统与模糊系统集成、量子技术与免疫算法的融合以及人工免疫在无人驾驶技术中的应用,是未来人工免疫系统的发展趋势和研究方向。     

基于新型RBF网络的模拟调制信号识别

对敌方雷达信号调制类型的识别是电子对抗的一个重要方面。采用了一种基于人工免疫聚类和进化规划的混合算法设计径向基函数(RBF)网络,并将其应用于雷达信号调制类型的自动识别。该算法首先利用一种实现数据聚类的人工免疫机制,根据输入数据集合自适应地确定RBF网络初始中心的数量和位置,之后采用进化规划训练RBF网络。仿真实验表明,采用这种方法设计的RBF网络对各种模拟调制信号的调制类型达到了较高的识别精度。     

一种新的矢量量化索引值分配算法

借鉴于生物免疫系统强大的防御能力,本文提出了一种免疫克隆(MCIAA)算法.该算法能更好地在群体的收敛性和个体的多样性之间保持动态平衡,有效地克服了局部收敛和早期收敛问题.将该算法应用于噪声信道矢量量化索引值分配寻优中,在存在信道噪声时,可较好地提高矢量量化器的性能.模拟试验表明该算法比其他算法有更好的增益和收敛速度.     

分布式入侵检测系统中动态克隆选择算法的设计

在介绍人工免疫系统基本概念的基础上,讨论了基于人工免疫的入侵检测算法,重点讨论阴性选择算法和克隆选择算法,提出了一个基于人工免疫的入侵检测系统的模型,并针对传统克隆选择算法耗时性大的缺点对算法进行优化设计。理论分析和实验表明,算法的检测效率有了明显的改善。     

一种基于动态识别邻域的免疫网络分类算法及其性能分析

针对传统免疫网络分类算法在记忆细胞确定上缺乏有效的指导,该文提出一种基于动态识别邻域的免疫网络分类算法。算法采用核函数表示机制来描述抗体-抗原之间的亲和度;利用抗原对构造动态识别邻域来指导抗体群体的进化,并选择邻域中距离对偶抗原最近的抗体为记忆细胞。算法被应用于多分类问题及高维分类问题来进行算法性能分析,同时,算法被应用于多个标准数据集的分类来评估算法的整体性能。分类结果表明该算法对于标准测试数据集有良好的分类性能,这说明基于动态识别邻域的训练方法能够有效地指导记忆细胞的生成,显著地改善分类器的性能。