基于径向基函数的混合神经网络模型研究

随着系统复杂程度的增加，构造一个径向基函数神经网络（RBFNN）所需样本及训练时间都急剧增加，得到的复杂网络往往不能完全揭示问题的层次和结构。采用“分而治之”的思想，提出了一种基于RBF的混合网络模型，通过最短距离均匀聚类方法划分样本空间，构造合适的子样本集和子网络模型对网络进行训练，与采用正交最小二乘法的单独RBF网络在结构、训练时间、泛化能力上做了对比。结果表明其时间复杂度有显著降低，网络的泛化能力与精度比全局RBFNN有明显提高。整个网络模型具有良好的扩展性和应用前景，适合于大样本神经网络的建模和训练问题。     

基于径向基函数神经网络偏差补偿的预测函数控制

基于线性模型设计预测函数控制器，用径向基函数神经网络（RBFNN）来补偿由系统的非线性和外界干扰引起的预测误差，从而实现非线性系统的自适应预测函数控制。将该控制算法用于pH中和滴定过程，仿真实验表明该算法计算量小，控制效果好。     

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.     

径向基函数神经网络

本文介绍了径向基函数神经网络的基本结构，学习算法及收敛条件。     

径向基函数神经网络实现数字地图压缩

提出了一种基于径向基函数(RBF)神经网络的数字地图压缩方法，给出了网络训练的具体算法。与一般RBF网络的构造方法不同，该网络结构的所有参数是通过学习方式同时获得的，因此大大增强了其适应性。数字仿真表明该方法具有自动适应地形、参数配置合理、在线计算量小等特点。     

径向基函数网络在平原河网水质评价中的应用

利用MatLab神经网络工具箱构建了径向基函数神经网络(RBF-ANN)模型,并用于平原河网和水库的水质评价.该模型以国家地表水环境质量标准(GB 3838-2002)为依据,随机生成网络的训练样本集,对网络进行学习,并将训练好的网络模型应用于温黄平原河网和境内水库的水质评价.结果表明,基于径向基函数网络的水质评价模型是合理、简便和快速的.     

基于径向基函数网络的钱塘江涌潮模型及其应用

利用径向基函数（RBF）网络的最佳函数逼近性能，建立了盐官站涌潮潮头高度的预测模型.钱塘江涌潮与其影响因素之间存在复杂的非线性关系，模型的预测精度主要取决于影响因子的识别与训练样本的选择.实测资料检验表明该模型具有良好的泛化能力.应用该模型分析了在不同水动力与河床边界条件下，大规模治江围涂工程对盐官潮头高度的影响.结果表明，在不同河势条件下治江围涂工程引起的涌潮变化存在差异，对于顺直江道，盐官大潮潮头高度降低了0.17 m，而对于弯曲江道，则抬高了0.39 m.     

基于径向基函数网络的电磁场计算研究

目前,将无网格方法引入电磁场计算已成为研究热点,它克服网格法中网格数与精度、网格与插值等存在的问题。径向基函数网络是一种无网格技术,它借助网络的学习和非线性映射实现对微分方程解的逼近,并将解的信息隐含于网络结构参数中。文章给出了该方法的相关技术和实现步骤,并以一维和二维静态场为例进行计算和分析,表明了该方法的可行性和计算性能的优势。     

基于径向基函数的曲面重建算法

针对基于传统径向基函数的数据插值方法在重建大量数据点云曲面时的困难,提出将数据点先分割再分别重建的方法.将点云的包围盒沿坐标轴分割,两两合并相邻的方块,使得方块相互重叠且覆盖整个包围盒.对每个包围盒内的点用径向基函数方法插值,利用窗口函数将每个函数限制在各小方盒内求和得到最终的整体插值曲面.借助MC(marching cubes)方法得到三角网格曲面.每个方块内点云的重建过程可以并行实现,该方法非常适用于对重建效率要求较高的场合.     

基于径向基函数的曲面重建算法

针对基于传统径向基函数的数据插值方法在重建大量数据点云曲面时的困难,提出将数据点先分割再分别重建的方法.将点云的包围盒沿坐标轴分割,两两合并相邻的方块,使得方块相互重叠且覆盖整个包围盒.对每个包围盒内的点用径向基函数方法插值,利用窗口函数将每个函数限制在各小方盒内求和得到最终的整体插值曲面.借助MC（marching cubes）方法得到三角网格曲面.每个方块内点云的重建过程可以并行实现,因此该方法非常适用于对重建效率要求较高的场合.     

数据驱动型时间序列预测方法综述（英文）

阐述了时间序列、时间序列预测及其方法,研究了时间序列预测定量分析的主要内容--数据驱动型时间序列预测方法,分析了其预测原理、特点、关键技术和研究热点,在此基础上讨论了数据驱动型时间序列预测方法的适用性及发展趋势.     

一种基于径向基函数神经网络的语音降噪方法

采用径向基函数神经网络在时域上对含噪语音信号进行降噪处理．针对语音信号的短时平稳性以及噪声的随机性,对语音信号进行分帧预处理;用分帧后的纯净语音信号作为径向基函数网络的教师信号,并利用Matlab神经网络工具箱设计和训练网络．实验结果表明,径向基函数网络作为语音信号滤波器,可有效地抑制语音信号中的白噪声,具有良好的降噪性能．     

基于非线性时序信号神经网络预测模型讨论

本文从神经网络理论及实践两个方面，探讨了目前非线性时序信号预测神经网络模型存在的几个问题：网络输入节点数的确定，隐层节点数及隐层数目，节点单元作用函数的确定，三层前向神经网络的逼近能力，神经网络的外延性。本文提出了这些问题，以期加快时序信号预测研究的发展。     

基于RBF神经网络的超市客户保持预测模型研究

利用RBF神经网络数据挖掘算法建立了超市客户保持预测模型,在MATLAB开发环境下进行程序设计和仿真分析,并与BP算法进行对比,完成了超市客户保持预测的任务,分析了该算法的优越性.     

基于 Windows 下的网络实时通信技术

介绍了Ｗｉｎｄｏｗｓ系列操作系统（Ｗｉｎｄｏｗｓ３．１、ＷｉｎｄｏｗｓＮＴ及Ｗｉｎｄｏｗｓ９５中ＮｅｔＢＩＯＳ的体系结构，并分析了Ｗｉｎｄｏｗｓ操作系统中ＮｅｔＢＩＯＳ的实现方法，最后给出了Ｗｉｎｄｏｗｓ９５中的应用实例。     

应用AR(P)模型预测水文系列

本文综述了近几年发展起来的时间序列分析理论;给出了建立、检验AR(P)模型的具体步骤。作为一实例,本文建立了降雨系列的AR(P)模型;通过验证知所建AR(P)模型是合平实际的可以用于降雨系列的预报。     

地方公路网规划的最佳经济规模探讨

公路网规划是公路建设的前期工作，应从科学的、经济的角度出发。根据投入产出的经济理论，提出了农村公路区域路网规划的最佳经济模式，得到了路网结构的合理布局，预测了农村路网规划布局，以最小建设投入产出最大的经济效益，可作为相关农村路网规划的参考。     

基于时间序列模型的计算机解耦控制(Ⅰ)

本文基于现代时间序列分析方法，在多维ＣＡＲＭＡ系统辨识的基础上，推导出多维ＣＡＲＭＡ系统的Ｐ规范与Ｖ规范的对象描述形式，以及它们之间的转换算式．     

时序法和灰色系统理论诊断结构裂纹的研究

通过对用于矿山机械的某材料在进行疲劳试验时，测取振动信号，利用频谱、时序方法和灰色系统理论方法对其进行研究，得出诊断裂纹的标准。