基于改进型T-S模糊RBF神经网络的红外火焰探测器识别算法

针对三波段红外火焰探测器中可能出现的单一非火焰波段通道的数据丢失、失真、饱和3种对火焰特征数据的强干扰情况,本文提出了一种改进型T-S(Takagi-Sugeno,高木-关野)模型RBF(Radial Basis Function,径向基函数)神经网络的火焰识别的鲁棒性融合算法.该算法通过聚类算法确定模型需要的模糊规则...     

RBF神经网络在传感器故障诊断中的应用研究

针对传感器在自动化系统中的重要性，指出了传感器故障诊断的必要性、可行性以及实现的基本方法。根据神经网络的原理与特点，阐述了RBF神经网络的基本理论和优点，提出了一种基于RBF神经网络用于传感器故障诊断的思路和方法。     

基于LASSO回归的红外火焰探测器的设计与实现

基于LASSO回归,提出一种应用于三波段红外火焰探测器的具体识别算法,同时进行了硬件电路以及软件程序的设计。在火焰探测器在检测过程中可能出现数据不稳定、环境多样化的复杂情况,从而提取到的特征存在多样性和复杂性。本文利用LASSO回归良好的预测能力、系数压缩能力和特征选择能力,有效提升了对三波段红外火焰的精确度和灵敏度,同时LASSO回归还具有效率高、预测精度高、解释性强等特性。实验证明LASSO相比于传统火焰识别算法在逼近精度、收敛速度和鲁棒性等多个方面都有所提升。     

RBF神经网络在视频业务建模及预测中的应用

ＡＴＭ技术在关键在于业务控制,能否有效地实施业务控制则取决于对业务特征的了解和预测能力。传统的解析方法对视频业务进行预测的局限性较为明显。本文采用径向基函数神经网络对视频业务进行建模和预测,并提出了分别采用ＬＢＧ算法和Ｈｅｓｔｅｎｅｓ奇异值解进行隐含层神经元中心选择和输出神经腱权值计算的改进方法。     

浅谈RBF神经网络在教师绩效评价中的应用

本文从建立教师绩效评价的意义入手,提出了教师绩效评价标准,探讨并构建了适应于教师绩效评价的指标体系。在比较各种评价模型和算法优缺点的基础上,提出了基于径向基（RBF）神经网络的教师绩效考评价模型,并设计出了系列数据处理算法。通过网络训练、泛化结果分析,表明用RBF神经网络来评价教师综合评价是非常可行的。     

RBF神经网络在河流营养盐预测中的应用

根据已监测到的水质数据进行预测一直是河流水质管理的重要组成部分,其中河流营养盐浓度是影响水质的根本因素。文中研究RBF神经网络在河流营养盐浓度预测中的适用性,并与传统的时间序列预测模型:ARIMA进行比较。以朱衣河为研究对象,对河流营养盐主要成分之一的磷酸盐浓度进行预测。通过采集到的时间序列数据对两种预测模型进行仿真,并通过平均误差和均方误差的比较,证明基于RBF神经网络的时间序列预测模型具有较强的预测精度和良好的推广价值能力,在河流营养盐预测中有较高的实用性。     

RBF神经网络在定日镜场故障诊断中的应用

针对定日镜场故障与征兆之间的关系特点,介绍了RBF神经网络运用于定日镜场故障诊断的基本方法。利用MATLAB神经网络工具箱建立和训练RBF神经网络,并对网络进行了测试。结果说明RBF神经网络在定日镜场故障诊断中具有较高的准确性和可靠性。     

RBF神经网络在表面粗糙度光纤传感器中的应用

本文提出了以径向基函数（RBF）神经网络处理表面粗糙度光纤传感器输出信号的方法,将传感器的输出信号及作为光源的激光强信号同时加在RBF神经网络的输入端,利用RBF神经网络能够以任意精度逼近非线函数地能力的优点,同时实现对传感器的非线性补偿及减轻激光器输出光强变化带来的影响,采用这种方法的表面粗糙度光纤传感器,降低了对激光器输出功率稳定性的要求,具有测量范围大,精度高的特点。     

RBF神经网络在薄膜厚度控制系统中的应用

针对双向拉伸薄膜厚度控制系统中,经典的PID控制器难以达到理想控制效果的问题,设计一个基于RBF神经网络整定的PID控制器。该控制器由RBF网络对系统进行在线辨识,找到最佳控制参数,并将其反馈给PID控制器,从而实现控制器参数的在线调整。仿真结果表明,本控制器具有超调量小,响应速度快和自适应性强等优点,可有效提高双向拉伸薄膜厚度控制系统的性能。     

RBF神经网络在二相编码雷达脉冲压缩中的应用

研究了径向基函数(RBF)神经网络在二相编码脉冲压缩技术中的应用，对网络的学习算法进行了改进，基于最小二乘原理调整网络隐含层至输出层的连接权值，采用自适应梯度下降方法，在线调整隐层神经元的宽度参数a，采用13位巴克码进行仿真，结果表明，改进的算法有较快的收敛性，可获得45dB以上的输出主旁瓣比，提高了雷达的探测性能。     

基于卷积神经网络的空中红外飞机检测

在传统的空中目标检测算法中,需要进行人工设计特征来满足不同天空背景下的目标检测需求,对未来防空作战体系要求的自动化和智能化提出了挑战。为此本文在防空武器成像系统应用背景下,参照PASCAL VOC2007数据集格式建立了空中红外飞机数据集,将基于卷积神经网络的Faster R-CNN算法与R-FCN算法应用到空中红外飞机检测问题中,其次在Caffe框架平台下利用Faster R-CNN+VGG16/ResNet-101模型、R-FCN+ResNet-101模型,分别对自建数据集中测试集进行了检测。实验结果表明,在应对远距离弱小目标、云层遮挡、对比度低、目标截断等较难检测情况时,Faster R-CNN和R-FCN算法均能够有效地检测出空中红外飞机。本文良好的检测效果为解决空中红外飞机检测问题提供了更加简洁的思路。     

基于深度卷积神经网络的红外图像行人检测

红外图像中的行人检测一直是计算机视觉领域的研究热点与难点。针对传统的红外行人检测方法需要人工设计目标表达特征的弊端,本文从深度学习的角度出发,提出一种可以自动构建目标表达特征的红外行人检测卷积神经网络。在对卷积神经网络的实现原理进行分析的基础上,设计了红外行人检测卷积神经网络的初始结构,然后通过实验对初始结构进行调整,得到最终的检测神经网络。对实拍红外人体数据库进行行人检测的实验结果表明,该方法在保持低虚警率的同时可以对红外图像中的行人进行稳健检测,优于传统方法。     

RBF神经网络LM算法的改进

文章对现有的RBF神经网络算法进行改进,改进的基本思想是：采用L-M算法训练RBF网络,并对L-M算法的重要参数提出一种随迭代步数的动态调整方法,从而提高运算的精度和效率,并经过仿真验证了提出改进方案的有效性。     

基于径向基函数神经网络的混沌系统控制

考虑到不同神经网络模型误差对混沌控制效果的影响，提出了采用一种改进的递阶遗传算法对径向基函数（RBF）神经网络进行训练，针对连续的Lorenz系统进行了仿真，并且与其它神经网络训练算法结果进行了比较，仿真结果证明所采用的训练算法具有更加理想的混沌控制效果。     

基于FPGA的RBF神经网络的硬件实现

介绍了RBF神经网络,并采用CORDIC算法实现了其隐层非线性高斯函数的映射。同时,为缩减ROM表的存储空间并提高查表效率,本设计还采用了基于STAM算法的非线性存储。最后,以Altera公司开发的EDA工具QuartusⅡ作为编译、仿真平台,采用Cyclone系列中的EP1C6Q240C8器件,实现了RBF神经网络在FPGA上的实现,并以XOR问题为算例进行硬件仿真,得出仿真结果与理论值一致。     

通信卫星干扰定位的RBF神经网络方法

本文提出了结合卫星多波束天线,利用径向基函数（ＲＢＦ）神经网络实现通信卫星干扰源精确定位的方法,这种方法可获得很高的定位精度,且能直接获得信号ＤＯＡ估计的闭式解,从而避免其它经典的高精度ＤＯＡ估计方法（如ＭＵＳＩＣ、ＭＬ等）所必需的全方位峰值搜索,同时由于神经网络优异的并行运算能力,所提方法具有实时估计的优越性,有望应用于实际的实时定位系统中。计算机仿真也验证了这一方法的可行性。     

混沌背景下基于RBF神经网络的弱信号检测

弱信号检测问题是目标检测中一个重要的研究内容。通常，采用贝叶斯(Bayes)方法来检测目标信号的存在。在本文中利用背景信号为混沌这一先验信息，采用了RBF神经网络对模拟产生的淹没在混沌背景中的暂态信号进行检测，并将该方法与采用BP神经网络时的检测性能进行了比较。仿真实验结果表明，基于RBF神经网络的检测性能优于BP神经网络。     

基于神经网络的软测量在隔离型换热节能系统中的应用

隔离型换热节能系统的模型研究对系统优化有着现实意义。在对系统结构介绍的基础上,建立了系统的稳态机理模型。针对系统模型中的关键参数难以测量的问题,提出采用基于RBF神经网络的软测量方法加以解决,并利用现场数据进行了实验研究。结果表明,所提方法是可行、有效的。     

基于遗传RBF网络的混沌背景微弱信号检测方法

弱信号检测问题是目标检测中的一个重要研究内容。利用背景信号为混沌信号这一先验知识，采用径向基函数神经网络（RBFNN）建立混沌背景的一步预测模型，RBF网络利用遗传算法训练，最后，设计了门限滤波器，得到感兴趣的信号。仿真结果表明，在非线性程度很高的情况下，通过与其它几种训练RBF网络算法的比较，利用遗传算法训练的RBF网络具有最高的检测精度，并且训练得到的网络的复杂程度最低。