BP和RBF神经网络在字母识别中的比较

将BP和RBF2种神经网络应用于英文字母识别,为2种网络建立识别模型．利用标准字符库进行测试,并在测试中加入干扰,进行仿真实验,观察这2种网络的泛化能力以及识别准确性,比较这2种网络及其改进方案,提出这2种改进方案中分别需要注意的地方．指出当用于字母识别时,RBF网络的性能优于BP网络及其改进型算法．     

RBF神经网络算法及其应用

在径向基神经网络学习算法的基础上,提出了一种新的RBF神经网络学习算法,该算法将变长度染色体遗传算法和最小二乘法相结合,能够同时确定径向基神经网络的结构和参数。用此方法建立热电厂热负荷预测模型,并与BP神经网络和增长型结构学习算法的RBF神经网络方法相比较,结果表明可以取得更好的效果。     

RBF神经网络在径流预报中的应用

鉴于径流的形成受众多因素的影响和径流预报具有复杂的非线性特点,在Matlab环境下建立了RBF神经网络的径流预测模型.经实例验证,该模型收敛速度快、预测精度高,并与BP网络作了对比,RBF网络显示了较好的优越性.     

基于RBF神经网络的电流保护

提出了一种基于RBF神经网络的全新的电流保护方式 该网络采用的是 3层RBF神经网络模型 ,由三部分构成 :故障类型与相别判断子网络ANN1;故障方向判别子网络ANN2 ;振荡识别子网络ANN3 对该模型进行了各种故障状态的测试 ,进行了仿真实验 ,并与BP网络进行了比较 ,发现RBF网络训练速度快 ,且证实了基于RBF网络的电流保护的可行性     

利用RBF神经网络识别切屑形态

针对自动化加工中切屑生成过程的监控问题，研究了径 在函数神经网络在切屑形态图像识别中的应用，提出了面积比，欧拉数，伸长度等切屑形态图像的几何特征，以这些特征作为神经网络的输入矢量，利用径向基函数网络（RBF），采用了递推最小二乘法训练该网络，并开发了相应的计算机程序，试验证明：此法具有良好的实时处理性和适应性，识别率达到90％。     

Elman递归神经网络在车牌字符识别中的应用

为了提高车牌自动识别系统的速度和准确度,采用适应性较强的十三特征提取法进行车牌字符的特征提取,将提取的特征向量作为网络的输入;在对网络进行训练时,选用具有一个承接层作为一步延迟算子的动态建模性质比较好的Elman递归神经网络.此网络在权值更新时不仅考虑了当前的梯度方向,而且还考虑了前一时刻的梯度方向,从而降低了网络性能对参数调整的敏感性,有效地抑制了局部极小值的出现.最后与BP网络训练的结果进行对比,结果表明Elman递归神经网络在识别速度和准确度方面都更具优越性.     

BP神经网络和RBF神经网络模型对图书流通量的预测分析

图书流通量是评价图书馆工作的重要指标.为解决图书流通量预测问题,引入BP和RBF神经网络预测模型.结合北京建筑工程学院图书馆2002年至2010年建筑类图书的流通数据进行了matlab仿真,结果表明,两种模型都能有效预测图书的流通量.     

基于RBF神经网络的人脸识别研究

针对人脸识别技术中存在的高维问题、小样本问题和非线性问题展开研究.围绕人脸特征提取,采用基于主成分分析和Fisher线性鉴别来克服在人脸识别中的小样本问题,同时将人脸图像从高维空间映射到低维空间从而解决了高维问题;在分类识别方面,采用具有很强的非线性映射功能的RBF神经网络进行模式分类,能够解决人脸识别中的非线性问题.在ORL人脸数据库上进行的仿真实验表明,该方法进行人脸识别具有较高的识别率.     

基于小波变换的麻醉监测诱发脑电信号分析的研究

采用小波变换方法对麻醉监测脑电信号进行分析，通过基于小波变换系数的奇异值分解构造特征向量的特征提取方法提取麻醉状态下中潜伏期听觉诱发脑电的特征，并用BP网络分类器对提取的特征进行聚类，从而实现麻醉深度的估计，实验仿真结果表明了该方法的有效性．     

基于人工鱼群算法的径向基神经网络的研究

人工鱼群算法是一种新型的寻优策略,将人工鱼群算法用于RBF神经网络的训练过程,建立了相应的优化模型,算法与BP算法、RBF算法进行比较,结果表明人工鱼群算法具有鲁棒性强,全局收敛性好,以及对初值的不敏感等特点。     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了...     

基于RBF神经网络的裂缝开度预测模型

大坝裂缝开度是大坝安全的重要特征之一。针对传统裂缝开度预测模型的不足,提出了基于RBF神经网络的裂缝开度预测模型,该模型克服了传统模型容易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,加快了收敛速度,缩短了训练时间,使得预测精度提高,因此能较好地预测裂缝开度值。利用Matlab的RBF神经网络工具箱建立了裂缝开度预测模型,并应用于实际工程中,取得了较高的拟合预报精度,说明该方法具有较强的实用性。     

RBF网络做函数逼近的改进研究

阐述了利用神经网络做函数逼近研究的必要性和合理性.通过实验发现：直接利用RBF网络（direct radial basis function networks,DRBFN）做函数及其导函数逼近时的缺点,在对此结论合理分析的基础上,给出间接利用RBF网络（indirect radial basis function networks,IRBFN）做函数及其导函数的逼近方法.仿真实验表明：改进后的网络性能有了较大提高,同时,根据实验结果提出了一个猜想.     

基于拆分、组装BP网络的入侵检测方法研究

提出了一种基于拆分、组装神经网络的入侵检测方法神经网络克服了以前在网络训练中易出现的训练时间过长、陷入局部极小的问题，使网络训练效率大大提高。该方法以网络数据源为主，同时考虑反映主机性能的数据源，并对特征数据进行了预处理，利用改进算法的学习能力和快速识别能力，实现了对用户行为的检测，尤其是在识别以前没有观察到的未知攻击方面具有较好性能．     

基于BCC算法和最速下降法的RBF神经网络结构优化算法

为提高细菌群体趋药性(bacterial colony chemotaxis,BCC)算法优化后RBF神经网络(RBFNN)的泛化能力,提出了一种新的细菌编码方式。将隐层节点位置和相应的控制参数组成细菌,使RBFNN的两个参数同时得到优化;同时,在整体算法中融入最速下降法,利用其能快速收敛到极小点的特性,使算法速度得到提升。将此算法优化后的RBFNN用于IRIS和双螺旋分类问题,结果表明:算法速度提升了大约60%,同时泛化效果也得到提高。     

基于LabVIEW 的RBF神经网络实现

LabVIEW 是一种图形化编程语言,被工业界和研究实验室广泛使用。RBF神经网络是一种三层前 向网络,可有效地进行非线性模型的辨识。介绍了3种在LabVIEW 实现RBF神经网络计算的方法。用LabVIEW 完成了RBF神经网络的程序开发并进行了函数逼近验证。仿真结果表明,使用本文方法方便有效,把RBF神经网 络与虚拟仪器开发平台结合,拓宽了其应用领域。     

基于Spiking的RBF神经网络故障诊断算法

神经网络是一种不依赖模型的控制方法,其自身并不需要给定预先需要的有关先验知识和判断函数,因此能对变化的环境（包括扰动和噪声信号等等）具有良好的自适应性.RBF神经网络是具有单隐层的三层前馈网络,由输入到输出的映射是非线性的,而隐含层空间到输出空间的映射是线性的.其优点在于收敛速度快,具有唯一最佳逼近的特性,且不会陷入局部最小的问题.Spiking神经网络采用时间编码的方式来进行数据处理,更接近于实际生物神经系统.基于Spiking的RBF神经网络在预测精度和误差控制上有着显著的效果.     

基于粒子群算法的RBF神经网络的优化方法

本文用粒子群算法来优化RBF神经网络的中心值和连接权值,使之具有更强的非线性逼近能力,并将优化后的RBF神经网络和未经优化的RBF神经网络用于非线性函数的逼近,实例证明优化后的RBF神经网络比未经优化的RBF神经网络具有更强的非线性函数的逼近能力。