径向基函数神经网络的再学习算法及其应用

为了应用径向基函数神经网络逐步地识别待研究系统,文章针对径向基函数神经网络的再学习算法开展了深入的研究.应用严格的数学推理方法,将径向基函数神经网络的再学习问题转化为矩阵求逆的附加运算.详细给出了径向基函数神经网络再学习算法中增加新训练样本和增加新基函数的数学公式,同时对如何获取新的训练样本进行了研究.     

边界模糊图像的径向基函数神经网络分割方法研究

边界模糊图像不同区域之间没有明确的分界,用传统的图像分割方法难以得到很好的分割结果。本文研究了径向基函数网络的工作实质及其用于图像分割的机理,分析了径向基函数神经网络的特点,针对边界模糊图像,应用不同结构的径向基函数神经网络对其进行图像分割,验证了径向基函数网络用于图像分割的有效性以及算法速度上的优越性。     

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。     

图像局部弹性变换中径向基函数紧支撑集的选取

弹性图像配准中常常需要采用紧支撑的径向基函数来实现局部弹性变换,径向基函数的支撑集大小决定了图像局部扭曲的范围,而如何选取基函数的支撑集大小是一个一直没有解决的问题.该文利用弹性变换模型,针对Wendland基函数,从理论上分析了双标志点空间位置与基函数支撑集的关系,并对任意标志点集合通过构造Delaunay三角剖分来确定基函数支撑集大小,文中给出了径向基函数支撑集的选取原则.人工网格图像和医学图像的局部弹性变换实验验证了该文的结论.     

基于径向基函数物质点法的数值模拟和软件开发

物质点法的求解精度依赖于物质点和背景网格节点之间映射插值函数的选取,传统的物质点法使用的是线性插值函数,但是由于单元之间只存在着C0连续性,传统的物质点法容易产生噪声。径向基函数保存了无网格法的优点,并具有高阶光滑连续的特点,而且径向基函数只需要局部支撑域中的节点信息来构造插值函数,这就大大简化了形函数及其导数的形成。本文将径向基函数引入物质点法以克服传统物质点法中单元数据映射产生的各种问题。同时利用Fortran语言开发了径向基函数物质点法数值模拟工具箱,对所开发的工具箱算例验证。     

基于自适应投影学习算法的RBF神经网络多用户检测方法

自适应投影学习算法是一种简单有效的构造和训练径向基函数神经网络的方法,该方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。本文将基于自适应投影学习算法的径向基函数神经网络应用于CDMA系统多用户检测,仿真表明:这种方法对远近问题不敏感,具有良好的误码率性能和抗多址干扰性能。     

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.     

基于径向基函数神经网络的CDMA多用户检测方法

径向基函数神经网络是一种三层前馈性神经网络,它具有较强函数逼近能力和分类能力,学习速度快等优点.本文根据径向基函数神经网络的这些优点提出了一种基于径向基函数网络的CDMA多用户检测方法(RMD).计算机模拟表明我们所提的算法具有能克服多址干扰,抑制噪声干扰和对"远-近"问题不敏感等优点,这为研究CDMA多用户检测器开辟了一条新的途径。     

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)模型对非线性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。     

基本电路

0600695 用进化规划思想优化径向基函数神经网络结构的均衡器[刊,中]／田俊霞／／北京理工大学学报．-2005,25 (9)．-819-822(L) 针对训练径向基函数(RBF)神经网络均衡器的随机梯度算法(SG)中,神经网络的结构是指定的并且所用训练样本较长的问题,引入进化规划思想,用进化规划方法确定径向基函数神经网络的结构,用基于最小     

一种可在线学习的变结构径向基函数网络及其在被动声纳目标识别中的应用

提出一种新颖的隐节点可调的变结构径向基函数,并应用进化规划最优地确定和调节变结构径向基函数网络隐层节点的数目及其核函数的中心和宽度,从而使网络具有在线学习和记忆新的目标模式的功能,并将该网络应用于被动声纳目标的识别和在线学习实验结果表明基于进化规划的变结构径向基函数网络不仅了网络的泛化能力,而且能够有效垢解决传统神经网络技术在被动声纳目标识别过程中在线学习会造成原有记忆遗忘的困难。     

基于紧支径向基函数内插的图像修复算法

该文提出一种基于紧支径向基函数插值的图像修复算法,该算法将图像看成残缺的三维散乱点集,将图像修复问题转化为三维数据的曲面重建问题。采用径向基函数曲面重建的方法构造出逼近三维点集的隐函数曲面,实现对残缺部分的插值,并对重构曲面采样得到残缺部分的像素值。紧支径向基函数可使求解权系数的线性系统的系数矩阵具有稀疏带状结构,从而降低算法的复杂度。实验结果表明,该算法是一种实用对图像修复算法,可得到良好的修复效果。     

径向基函数神经网络下的转子系统裂纹故障诊断处理

针对转子系统中出现的裂纹故障,本文利用径向基函数(RBF)神经网络和基于模型转子系统诊断技术在非线性系统动态辨识过程中的优势,提出了全新的转子系统裂纹故障的诊断处理方式,此处理方式使用径向基函数神经网络实现转子系统裂纹故障的诊断处理,在诊断过程中通过已经辨识到的信息对转子系统故障进行快速的检测及分离。通过研究分析,本文中提出的径向基函数神经网络下的转子系统裂纹检测适用于在线检测及定量识别。最后对此方法进行仿真,表示此方式有效。     

基于径向基函数神经网络的内模控制

文章用径向基神经网络设计内模控制系统,径向基神经网络是通过调整隐层与输出层间的连接权系数来逼近函数,如果隐层神经元数目过少,难免会出现收敛时间长,控制质量差,甚至发散的现象。为此,本文提出了增加调整基函数形状参数和中心向量的方法予以避免,并证明了网络不同调整参量收敛于目标函数极小点的性质。     

RBF插值在SAR距离弯曲校正中的应用

在SAR成像算法中,距离徙动会使距离向和方位向发生耦合,成像质量下降。距离-多普勒算法中,通过插值补偿距离徙动量。文章在分析三种典型插值算法的基础上,提出了利用径向基网络作为函数逼近的插值校正方法。因为径向基网络具有最佳逼近任一函数的性质,且逼近的函数具有很好的光滑性和收敛性,所以得出了径向基网络插值校正效果优于典型插值的结论,并对这几种插值算法进行了仿真,通过比较成像结果和成像质量指标,进一步验证了结论的正确性。     

基于径向基函数的水性木器漆喇曼光谱鉴别

水性木器漆是一种犯罪现场常见的微量物证,在法庭科学领域广受关注。为了实现对水性木器漆中复杂化学成分的检测分类,采用具有较高分辨能力和无损检验特点的喇曼光谱,结合主成分分析和径向基函数神经网络两种数据挖掘技术,对3种品牌共38个水性木器漆样本的喇曼光谱进行了数据分析。结果表明,径向基函数模型下可得到准确率为78.9%的分类识别。采用傅里叶变换喇曼光谱结合径向基函数模型实现对水性木器漆的鉴别与分类,为实践中木器漆的分类研究提供新思路。     

基于径向基函数神经网络的模拟/混合电路故障诊断

径向基函数神经网络是一种前馈型神经网络,具有较强的函数逼近能力和分类能力,学习速度快等优点.本文采用幅值恒定的正弦信号源进行模拟电路的故障仿真,从频域提取输出信号波形的特征值建立故障字典,应用径向基函数神经网络的这些优点进行响应分析和故障诊断,能够实现快速故障诊断及定位,具有准确率高的特点.     

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CMOS模拟电路的径向基函数神经网络

提出了可构成径向基函数(RBF)神经网络的CMOS模拟单元电路,包括绝对值电路、电流求均方根电路和类高斯函数电路.基于这些电路设计了一个二输入/一输出,含有两个隐层神经元的径向基函数神经网络,并通过异或问题进行了验证.所有单元均采用HJTC 0.18μm CMOS数模混合工艺制造,芯片面积为200μm×150μm,功耗约为100μW.芯片测试结果表明:提出的单元电路结构简单,功耗低,便于扩展和调节,因而为硬件实现径向基函数神经网络的片上学习提供了可     

基于CMOS模拟电路的径向基函数神经网络

提出了可构成径向基函数(RBF)神经网络的CMOS模拟单元电路,包括绝对值电路、电流求均方根电路和类高斯函数电路.基于这些电路设计了一个二输入/一输出,含有两个隐层神经元的径向基函数神经网络,并通过异或问题进行了验证.所有单元均采用HJTC 0.18μm CMOS数模混合工艺制造,芯片面积为200μm×150μm,功耗约为100μW.芯片测试结果表明:提出的单元电路结构简单,功耗低,便于扩展和调节,因而为硬件实现径向基函数神经网络的片上学习提供了可