基于径向基函数神经网络的电机轴承智能故障诊断

本文提出了一种新的电机轴承故障诊断方法.首先把滚动轴承振动信号作为识别故障的特征向量,然后送入径向基函数神经网络中,进行故障类别的自动识别.试验结果表明,该诊断模型对电机轴承故障诊断具有良好的诊断效果,系统不仅能够检测到轴承故障的存在,而且能够比较准确地识别轴承的故障模式.     

基于径向基函数神经网络的体质评估系统的设计

本文将径向基函数神经网络的方法运用到体质评估系统的设计中,获得了对于系统专家知识逼近性能更好的咨询结果     

基于径向基函数神经网络探索风味物质对啤酒风味的预测

以啤酒中对风味贡献较大的高级醇、酯、有机酸、酒精、苦味质共13种风味物质作为输入指标,以感官品评评分为输出指标,利用径向基函数(Radial basis function,RBF)神经网络(neural network)对国内外20种啤酒的风味进行预测,准确率达75%,与其他相同样本数的神经网络相比较,准确率有较大提高。说明啤酒中这13种风味物质与综合风味之间存在密切关系,以利于啤酒生产厂家对啤酒整体风味的控制。     

一种基于ADALINE网络的自适应滤波语音降噪方法

针对噪声环境下通话困难,而传统的低通滤波器对语音伤害比较大,且无法满足环境变化要求的问题,设计了基于ADALINE(线性自适应神经网络)的自适应滤波语音降噪方法.语音信号分析证明,经过用Widrow-Hoff学习方法训练的自适应滤波器可以较好地适应噪声环境,得到满意的语音信息.     

一种基于ADALINE网络的自适应滤波语音降噪方法

针对噪声环境下通话困难,而传统的低通滤波器对语音伤害比较大,且无法满足环境变化要求的问题,设计了基于ADALINE（线性自适应神经网络）的自适应滤波语音降噪方法.语音信号分析证明,经过用Widrow-Hoff学习方法训练的自适应滤波器可以较好地适应噪声环境,得到满意的语音信息.     

基于径向基神经网络的小球藻培养过程仿真

神经网络技术是在生物神经网络功能的启示下发展起来的。本文探讨了神经网络的运作机理，并利用径向基神经网络对具有高度非线性特征的小球藻培养过程进行仿真。结果表明，所确定的网络模型，其训练历史和泛化能力较为理想，可用于指导实际操作。     

基于智能优化型径向基神经网络的板形模式识别研究

针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点.仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.     

径向基神经网络在水果颜色分级机中的应用

颜色是水果分级重要指标,为适应颜色分级的需要,将径向基(Radial Basis Function,RBF)神经网络应用于水果颜色分级机中,从理论上分析了该方法相对于基于BP网络方法的优势,最后通过对苹果分级进行训练和测试,测试结果验证了该方法的有效性和优越性.     

基于径向基神经网络对磨削功率预测的研究

将径向基(RBF)神经网络应用到工程陶瓷缓进给大切深磨削领域,建立了磨削功率随砂轮速度、工作速度、磨削深度变化的预测模型。研究结果表明:预测值与实际值最大误差为5.30%,平均相对误差为3.2%,因此,径向基神经网络能准确地预测磨削功率的变化趋势。     

基于多线性主成分分析和径向基神经网络的储粮温度变化预测

储粮温度预测有利于及时采取通风降温等措施保障储粮安全,因而具有重要意义。传统预测方法多是基于历史温度数据的向量形式进行特征提取,破坏了原有数据的高阶特性和内部结构,导致局部空间信息丢失,预测精度难以满足要求。针对这一问题,提出了一种以数据张量表示为基础的多线性主成分分析方法。该方法保留了粮堆温度历史数据的高阶性,即在使用多线性主成分分析进行特征提取和降维的同时,充分保留了原有数据的内部结构,因而提取的特征更为有效。试验表明,本方法预测结果优于其他典型预测方法。     

基于改进神经网络算法的蔬菜图像识别

文章提出了改进神经网络算法,建立了径向基函数神经网络模型,包括梯度下降方法求解权重参数,增大邻域半径的均值聚类方法求取隐函数中心值,利用相邻聚类中心获得核宽度,通过量子遗传算法删除冗余权重和神经元;提取了蔬菜图像的特征,并给出了算法流程。仿真试验表明,试验算法对蔬菜图像的形状特征平均识别率为97.56%,纹理特征平均识别率为95.60%,颜色特征平均识别率为93.25%,训练时间平均为5.83s、识别时间平均为2.18s,优于其他算法。     

基于径向基神经网络的储粮通风智能决策研究

仓储通风技术的不断发展可以为储粮的安全提供更好的保障.针对现今机械通风中存在的通风决策问题,在研究了径向基函数神经网络的基础上,提出了一种基于径向基神经网络的储粮通风智能决策模型.以山西省洪洞储备粮直属库的仓储通风进行实例分析,实验和测试结果表明,径向基神经网络输出的通风决策结果和通风专家对通风模式的决策结果有很好的符合度,该模型具有很好的泛化能力,可为仓储通风决策提供一种新的解决方案.     

基于径向基函数神经网络的颜色空间转换研究

先进的ICC色彩管理技术,是以色彩空间变化为核心的新型色彩控制方法,其中CMYK与Lab颜色空间转换在色彩管理中具有广阔的理论研究价值和实用价值。本文首先采用ECI2002标准色靶数据,均匀选取建模数据及检验数据,并进行归一化处理;然后基于径向基函数(RBF)神经网络,建立CMYK到Lab及Lab到CMYK的颜色空间转换模型;最后对转换模型精度进行评价。研究表明:RBF神经网络适合于CMYK与Lab间的颜色空间转换,其建模简单方便,网络训练速度快,转换精度高。随着建模方法的改进,该方法用于颜色空间转换将会有广阔的发展空间。     

基于RBF神经网络的棉纤维成纱强力预测

由于多元线性回归模型对棉纤维的品质和成纱质量之间关系预测精度及适应性较差,提出采用径向基函数对BP神经网络进行改进,使用测得的棉纤维品质部分实验数据对网络进行训练,然后对成纱强力进行预测,得出采用改进后的RBF神经网络对纱线强力进行预测,克服了陷入局部极小和运算迭代量大的缺点,有效地提高学习速度,收敛速度加快,训练时间缩短,预测精度提高,能较好地预测纱线的强力。其成纱强力的预测结果比多元回归统计模型的结果更好。     

基于遗传算法的RBF神经网络在铂电阻温度传感器非线性补偿中的应用

针对铂电阻温度传感器在实际应用中存在非线性问题,提出了基于遗传算法优化径向基函数（RBF）神经网络实现其非线性补偿的方法。分析了非线性补偿原理。设计了RBF神经网络补偿器,并引入遗传算法优化神经网络结构和参数。实验结果表明,所提出的铂电阻温度传感器非线性补偿方法是实用和可行的。图4表1参10     

Helmholtz问题的径向基无网格配置法的研究

通过引入一种新的径向基函数构造了求解Helmholtz方程配置型的无网格方法,证明了数值解的存在惟一性,并且将该方法用于二维Helmholtz问题的数值检验.与有限元法及其他径向基函数配置法相比较,该方法计算精度高,更加实用有效.     

基于Matlab的语音信号预处理技术研究

语音信号的预处理技术是语音信号进行计算机处理的必经环节。本文主要对语音信号预处理步骤、其中的关键技术进行阐述,并用Matlab进行仿真实验。本文的研究对于语音信号处理的研究人员具有一定借鉴意义。     

短裤特征截面曲线的径向基函数神经网络模型构建

将着装人台进行三维扫描获取点云数据,截取与人体特征部位相对应的短裤特征截面。将原数据坐标点转化为极坐标系下的极角与极径值后,以极角值作为输入向量,极径值作为输出向量,构建短裤特征截面曲线的径向基函数（RBF）神经网络模型,并与反向传播（BP）神经网络、最小二乘法及三次样条函数的拟合效果进行比较。结果表明,神经网络拟合曲线的平均绝对误差比最小二乘法及三次样条函数方法小,仿真输出曲线和原始数据非常接近,且曲线光滑;RBF网络的训练速度更快,所需训练步数少,拟合效率明显优于BP神经网络。     

神经网络的分类及其应用

本文主要介绍了人工神经网络的概念,并对几种具体的神经网络进行介绍,从它们的提出时间、网络结构和适用范围几个方面来深入讲解。     

基于神经网络重力坝损伤识别输入参数的研究

在神经网络识别结构损伤的过程中选取容易得到、识别精度高、损伤敏感性高的参数,损伤识别精度将大大提高。为克服使用单一结构特征物理量作为神经网络输入参数而带来的缺陷,文章以武都水库非溢流坝段为例,利用径向基函数神经网络对重力坝损伤的识别展开研究,提出将结构固有频率和固定点模态分量组合作为输入参数,对比选用不同输入参数的损伤输出信息。结果表明,使用组合参数作为输入参数对重力坝进行损伤位置识别、损伤程度预测是实用可行的。