融合核函数在改进径向基代理模型中的应用

针对径向基代理模型技术在近似高维问题时预测性能较差的不足,提出一种基于融合核函数的改进径向基代理模型技术。在拉丁超立方设计抽样不均匀的情况下,通过定义一种辅助函数与距离评判标准,提出基于均匀抽样的拉丁超立方设计,并应用于代理模型的构建中;为提高模型预测精度与计算效率,考虑样本点因素,采用局部密集加点、全局均匀选点和最小距离筛选的多策略建模技术构建径向基代理模型;同时,为避免该技术在近似高维问题时可能产生的结构风险,考虑结构因素对预测精度的影响,对逆多二次和立方核函数进行了权重式的融合,构建了基于融合核函数的改进径向基代理模型。利用数值和工程算例进行测试仿真,结果表明该技术不仅满足精度要求,且明显提高计算效率,具有更高的预测稳定性。     

非径向对称的广义径向基神经网络的代理模型

为提高广义径向基神经网络代理模型的计算精度以及减少这种网络的计算量,提出并构建非径向对称核函数的广义径向基神经网络。采用径向对称的高斯核函数以及非径向对称的核函数对测试函数进行代理模型验证,从训练以及测试网络所需的时间、广义网络的隐层节点数、相对误差以及均方根误差等方面对代理模型进行评价,实验结果表明这种非径向对称的广义径向基神经网络的代理模型具有计算精度高、所需网络节点少、计算比较的次数少等优点。     

代理模型优化在环氧丙烷水解反应中的应用研究

通过流程模拟软件HYSYS获得控制对象的大范围稳态操作数据,构造径向基函数RBF （Radial Basis Function）神经网络作为适应度函数评估的代理模型,针对控制对象的非线性多稳态特性,采用了混合个体评估进化策略,对一个环氧丙烷水解反应的实例分析表明了此方法的有效性。     

一种基于多代理的网络蠕虫预警方法

网络蠕虫由于传播迅速,破坏力强已经成为计算机网络安全研究的热点.首先分析了网络蠕虫传播的特征,然后根据其特征提出了基于多代理的网络蠕虫预警方法.通过在网络中设置多个代理搜集信息,然后所有信息由中心节点的径向基函数神经网络分析,得到网络蠕虫是否爆发的预警消息.还在SSFNet模拟环境下对多种蠕虫进行了测试,证明该方法取得了较好的效果.     

异构集成代理辅助多目标粒子群优化算法

针对代理辅助进化算法在减少昂贵适应度评估时难以通过少量样本点构造高质量代理模型的问题,提出异构集成代理辅助多目标粒子群优化算法。该方法通过使用加权平均法将Kriging模型和径向基函数网络模型组合成高精度的异构集成模型,达到增强算法处理不确定性信息能力的目的。基于集成学习的两种代理模型分别应用于全局搜索和局部搜索,在多目标粒子群优化算法框架基础上,新提出的方法为每个目标函数自适应地构造了异构集成模型,利用其模型的非支配解来指导粒子群的更新,得出目标函数的最优解集。实验结果表明,所提方法提高了代理模型的搜索能力,减少了评估次数,并且随着搜索维度的增加,其计算复杂性也具有更好的可扩展性。     

图像扭曲变换中高斯基函数的最优参数分析

薄板样条插值TPS是基于标记点的医学图像弹性配准中常用的插值方法,但该方法的扭曲作用是全局的,对于局部扭曲配准会导致匹配精度下降。基于径向基函数的图像变换方法可以解决局部扭曲配准问题,但如何选取径向基函数的参数还没有很好地解决。本文针对以高斯基函数为径向基函数的局部弹性变换问题,讨论了双标志点情况下高斯径向基函数的参数选取方法,该方法可以使双标志点之间的扭曲影响范围最局部化。本文结论用于多标志点的图像配准时可以解决图像局部弹性变换问题,实验结果验证了本文的结论。     

基于不确定度采样准则的费时问题优化算法

在实际工程和控制领域中,许多优化问题的性能评价是费时的,由于进化算法在获得最优解之前需要大量的目标函数评价,无法直接应用其求解这类费时问题.引入代理模型以辅助进化算法是求解计算费时优化问题的有效方法,如何采样新个体对其进行真实的目标函数评价是影响代理模型辅助的进化算法寻优性能的重要因素.鉴于此,利用径向基函数神经网络作...     

非对称径向基函数与稳定边界图像变形算法

提出了一种基于非对称径向基函数的图像变形算法,该算法克服了基于对称径向基函数算法中由于对称径向基函数的全局性导致的图像边界变形过大的不合理变形现象．实验结果表明,文中算法简单、有效,得到的变形图像既具有基于对称径向基函数算法所得的变形图像的光滑性,又具有良好的局部变形效果,更为重要的是稳定了变形图像的边界．     

多元散乱数据的渐近正定径向基函数插值

本文以一元B样条和径向基函数为基础,构造了一种n元渐近正定径向基函数.因这种渐近正定径向基函数兼有一元B样条和已有径向基函数的优点,将其应用于n维欧氏空间的多元散乱数据插值,得到了一种新的高维散乱数据插值函数.数值例子表明,这种插值格式对n维欧氏空间多元散乱数据具有良好的逼近效果.     

基于改进的RBF神经网络在线辨识算法及其应用

针对径向基函数(RBF)神经网络用于非线性系统辨识时存在的问题，对径向基函数网络的拓扑结构作了改进，并给出了改进的径向基函数(MRBF)神经网络的中心选取方法和权值在线调整算法，最后用改进的径向基函数网络对一个典型工业对象(CSTR)进行了应用研究，结果表明方法有效。     

基于Elman神经网络的齿轮故障诊断研究

在齿轮故障诊断过程中,针对传统的BP神经网络具有学习、记忆不稳定等缺点,提出了将Elman神经网络应用于齿轮故障诊断中,建立了Elman神经网络的应用结构模型,介绍了该网络的训练算法,阐明了齿轮故障诊断的实现过程;结果表明该神经网络学习记忆稳定,具有很好的学习功能,诊断方法具有高可靠性,达到了预期效果。     

基于结构简化的BP网络的多类形状识别

BP算法是目前应用极为广泛的神经网络算法,但它也存在一些不足。文中提出了一种使BP网络结构简化的改进的BP算法,它使得网络的速度得到了提高,减少了迭代次数。最后将传统的BP算法和改进的BP算法进行了比较,仿真结果表明改进的算法在学习次数和收敛速度上比传统的算法有很大的改善。     

神经网络分类器的快速构造算法

使用ＢＰ算法训练多层网络的速度很慢而且事先难于确定隐节点和隐层的适当数目。本文提出一个有效的算法，先构造决策树，然后将构造的决策树转换为神经网。文中使用一个全局准则函数控制决策树的增长，它较好地匹配了树的复杂性和训练样本量及错分率界。实验结果，本文的算法比用ＢＰ算法训练多层网络要快，而其分类精度不低于用ＢＰ算法训练的多层神经网。     

基于AQPSO算法优化的Elman网络模型及其应用

Elman神经网络是一种典型的递归神经网络。提出了自适应量子粒子群优化（Adaptive Quantum-Behaved Particle Swarm Optimization,AQPSO）算法,用于训练Elman网络参数,改进了Elman网络的泛化能力。利用中集集团股票数据进行预测,实验结果表明,采用AQPSO算法获得的Elman网络模型不但具有很强的泛化能力,而且具有良好的稳定性,在股票数据预测中具有一定的实用价值。     

基于径向基函数网络的永磁同步电机直接转矩控制

对永磁同步电机直接转矩控制系统特性进行了深入研究,提出一种新的径向基函数神经网络控制器,给出了神经网络控制器的结构设计、样本选取及训练方法.利用系统中的开关表作为导师对径向基函数神经网络控制器进行训练,实现了永磁同步电机直接转矩控制的径向基函数神经元网络输出矢量选择.该控制器可以简化获得输出电压矢量的过程,并具有并行计算速度快、转矩响应迅速的性能.仿真结果验证了该控制器的有效性.     

前向傅立叶神经网络系统逼近理论及学习算法

定义了傅立叶神经元与傅立叶神经网络,将一组傅立叶基三角函数作为神经网络各隐层单元的激合函数,设计出一类单输入单输出三层前向傅立叶神经网络与双输入单输出四层前向傅立叶神经网络,以及奇、偶傅立叶神经网络,基于三角函数逼近论,讨论了前向傅立叶神经网络的三角插值机理及系统逼近理论,且有严格的数学理论基础,给出了前向傅立叶神经网络学习算法,通过学习,它们分别能逼近于给定的傅立叶函数到预定的精度。仿真实验表明,该学习算法效率高,具有极为重要的理论价值和应用背景。     

基于高斯势函数网络的智能温度控制器

本文提出一种基于高斯函数网络的模糊温度控制器，给出了模糊神经网络控制模型和学习算法。通过自学习不断修正模糊控制器规则，使模糊控制器具有自学习和自适应能力。计算机仿真及温控结果表明，这种智能控制器具有良好的控制性能。     

一种基于改进遗传算法的单神经元控制方法

为实现在实际的炉群多变量燃烧系统中,对各个燃烧的子系统的控制参数进行优化,提出了一种基于改进适应度函数的遗传单神经元控制算法,该算法克服了采用神经网络方法收敛速度慢、在求解过程中陷入局部极小点等缺点,利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元控制相结合,实现对一类非线性系统的参数进行优化。模拟实验和真实结果验证了这种方法是可行的。     

基于函数链神经网络的非线性系统稳态模型辨识及应用

利用函数链神经网络的非线性映射能力和快速收敛特性，将良好的推广能对视为网络评价函数的约束条件，以改善网络的泛化特性，提高系统的稳态辨识精度，仿真和实际应用结果表明，具有收敛快，辨识精度高，所需样本少等优点。该方法在SO3磺化过程非线性系统建模中得到应用。     

基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．