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。     

改进径向基函数插值法的多聚焦图像滤波融合

由于受到拍摄设备、光学镜头景深以及噪声等不同因素的影响,多聚焦图像往往存在边缘弱化问题。为了使多聚焦图像更加清晰,提出基于改进径向基函数插值法的多聚焦图像滤波融合方法。通过能量函数计算图像边缘细节估计误差,建立空间同性误差准则,去除图像边缘噪声,实行滤波保护。利用径向基函数各层网络建立多聚焦图像抑噪模型,减少图像的噪声污染。通过非线性函数恢复像素,在图像空间坐标下分离图像纹理、清晰程度和图像局部特征,提取图像高频信息。利用径向基函数插值引导高频信息,在决策引导下实现图像滤波融合。经过实验证明,所提方法的多聚焦图像融合效果较好,减少了残余噪声,能够实现图像去噪和边缘特征保护,清晰度较高,图像结构性相似度高。     

用多分布主体代理的径向基函数来分析网络行为

文章提出了一种多分布主体代理的径向基函数来分析网络行为新方法,径向基函数神经网络具有良好的自学能力,而采用分布式多主体代理大大提高了算法的效能。     

基于变异函数的径向基核函数参数估计

研究了支持向量机(support vector machine,SVM)方法在一定假设条件下,核函数取为样本协方差函数时解的具体形式,得出了在该假设情况下SVM方法等价于克立格方法的结论,提出了用协方差函数作为SVM核函数的思想.考虑到在某些情况下协方差函数可能不存在,因此考虑用变异函数来代替协方差函数估计径向基核函数的宽度参数.这样不仅解决了SVM中径向基核函数宽度参数的确定问题,而且把这种情况下的SVM拟合与概率统计学中的克立格方法联系了起来,赋予了SVM方法新的统计上的意义.     

改进径向基函数神经网及其在手写体字符识别中的应用

提出一种基于半模型矢量量化（ＳＦＶＱ）技术的改进径向基函数神经网（ＩＲＢＦＮＮ）分类器,并且用于无约束手写体数字的识别。作者在模糊聚类和矢量量化的基础上利用半模糊的思想提出了半模糊矢量量化算法,并在其中加入了有监督的控制,从而使系统在聚类过程中可以确定比较合适的类别数并使聚类结果能更好地反映训练集的概率分布。以半模糊矢量量化作为预处理的改进ＲＢＦ网,应用了多尺度补偿等办法,能够充分利用训练样本集的     

径向基函数网络在数值计算中的应用

由经典的函数逼近理论衍生的很多数值算法有共同的缺点：计算量大、适应性差、对模型和数据要求高,在实际应用中受到限制。神经网络可以被用来计算复杂输入与输出结果之间的关系,故神经网络具有很强的函数逼近功能。该文给出了径向基函数网络（RBFNN）的结构及学习过程,重点阐述了RBFNN在函数逼近、求解非线性方程组以及散乱数据插值中的应用,结合MATLAB神经网络工具箱给出了数值实例,并与BP网络进行了比较。应用结果表明RBFNN是数值计算的一个有力工具,与传统方法比较具有编程简单、实用的特点,在工程和科学研究上若将其制成软件包则具有很好的使用价值。     

改进的径向基函数网络的研究及应用

针对径向基函数网络和传统遗传算法的一些不足,提出引入一种自适应机制的浮点数编码的遗传算法,并将其与梯度下降法混合交互运算,作为径向基函数网络的学习算法,形成了基于改进遗传算法的径向基函数网络,它克服了径向基函数网络的学习算法上的缺陷。采用改进的遗传算法,无需计算梯度等,限制很少,还可用模型的预测性能作为优化目标。同时,也解决了单独利用遗传算法往往只能在短时间内寻找到接近全局最优解的近似解这一问题。最后将该算法应用到某地区电力负荷预测取得理想效果。     

改进的径向基函数网络的研究及应用

针对径向基函数网络和传统遗传算法的一些不足,提出引入一种自适应机制的浮点数编码的遗传算法,并将其与梯度下降法混合交互运算,作为径向基函数网络的学习算法,形成了基于改进遗传算法的径向基函数网络,它克服了径向基函数网络的学习算法上的缺陷.采用改进的遗传算法,无需计算梯度等,限制很少,还可用模型的预测性能作为优化目标.同时,也解决了单独利用遗传算法往往只能在短时间内寻找到接近全局最优解的近似解这一问题.最后将该算法应用到某地区电力负荷预测取得理想效果.     

基于径向基函数神经网络的非线性模型辨识

从径向基函数（RBF）神经网络原理分析出发,提出了一种基于RBF神经网络学习算法,用于对非线性对象模型的拟合与辩识,并将此方法用于实际非线性模型的学习与辩识。结果表明,基于RBF的神经网络可快速完成对样本的学习与拟合,对具有连续特性的线性与非线性模型,具有快速实时的学习速度和优良的学习性能。     

径向基函数网络在税务征管考核中的应用

针对目前我国税收业务征管考核的主观性大,难以建立精确快速的自动征管考核的问题,本文采用了径向基函数神经网络建立征管考核的数学模型,选取实际征管考核样本数据对网络进行了训练和实验,结果表明,该模型结构简单,训练时间短,精度高,是一种值得推广的方法。     

基于径向函数的响应面法在薄板装配夹具设计中的应用

薄板产品装配夹具的定位策略优化可以有效地减少柔性零件定位的法向变形,而定位点优化方法直接影响到夹具的设计效率.针对直接采用有限元模型的定位点优化方法效率低的问题,提出面向夹具定位点优化的基于径向函数的响应面建模方法.该方法根据均匀采样对定位点位置参数域进行离散,并借助有限元分析构造样本集合;采用Multi-quadric函数描述夹具定位参数与零件变形间的非线性关系;应用均匀设计法优化径向基参量,从而建立基于径向函数的响应面模型.最后通过实例阐述了文中方法的建模过程,结果表明其具有良好的模拟效果和较高的预测精度.     

径向基函数网络的功能分析与应用的研究

径向基函数网络与BP网络在网络结构上都属于前向网络,但它们对网络权值训练所采用的算法是完全不同的。另外,径向基函数网络的网络结构与模糊系统有很紧密的关联。该文从径向基函数网络的结构入手,分别对其所具有的特点、权值训练、网络设计方法及其应用等方面,通过分析与实例,采用对比的方式,给予实验的验证。     

一种基于改进径向基函数JSP算法

作为作业调度里面一类典型问题,Job-shop问题的求解是属于NP完全的,至今大规模Job-shop问题的有效算法仍未找到.在析取有向图模型基础上,通过减聚类方法构建径向基函数神经网络实现可互换工序对选取,利用最小均方算法对网络权重进行训练,以此为基础提出一种具备学习功能智能算法.数值仿真结果表明,所提算法对于大规模Job-shop问题求解存在较好效果,达到预期目的.     

径向基函数神经网络的新型混合递推学习算法

从径向基函数网络的硬件实现和实时应用的角度出发，给出了RBF网络的一种新型混合递推学习算法．该算法既具有良好的数值性质又易于并行实现．把RBF网络用于非线性系统在线辨识，仿真结果显示了本文方法的有效性．     

径向基网络的研究进展和评述

径向基网络(RBFN)是当前人工神经网络技术研究的热点之一,并以其优良的性能广泛应用于各个领域。该文简要介绍了RBFN的结构特点,与经典的多层前传网(MLFN)进行对比,分析了RBFN学习算法从经验到理论,从繁杂到简捷的发展进程,及其存在的问题,归纳了RBFN的一些特殊类型,并对RBFN的研究和发展进行了展望。     

基于径向基函数的三角网格曲面孔洞修补算法

提出一种对三角网格曲面中孔洞的修补算法,在对孔洞多边形进行填补后,使用径向基函数建立孔洞曲面的隐式方程,然后把新增加的三角片顶点映射到曲面上．由于在修补时不仅考虑了对孔洞多边形的三角划分问题,还考虑了孔洞周围的几何信息,使得修补后的孔洞曲面与原始曲面光滑地融为一体,尤其对曲率变化较剧烈部位处的孔洞取得了理想的修补效果．     

基于CRBF神经网络的分类算法及应用

通过对CRBF的分析研究，提出一种基于CRBF神经网络的分类算法。采用数学模型和几何模型构造其应用模型，通过分类算法的训练过程修改应用模型中的相关参数，使得分类结果更趋合理。通过CENTUM3000和Visual Basic6.0平台开发了化工厂爆炸监控系统。实践表明，分类结果与监控设备运行结果吻合得很好，满足了工厂监控系统的实际需求，证明该分类算法和应用模型具有较高的理论和实用价值。     

基于径向基函数的残缺点云数据修复

提出一种具有较强鲁棒性的残缺点云数据修复算法,借助kD tree寻找点云的缺陷边界,确定点云的缺陷区域;然后利用二次曲面的特性参数化边界点列;最后,通过径向基函数表示的插值曲面计算位于残缺区域内部的数据点,实现残缺点云数据的修复．     

Data Fusion in Radial Basis Function Networks for Spatial Regression

Conventional radial basis function (RBF) networks for spatial regression assume independent and identical distribution and ignore spatial information. In contrast to input fusion, we push spatial information further into RBF networks by fusing output from hidden and output layers. Three case studies demonstrate the advantage of hidden fusion over others and indicate the optimal value is around 1 for the coefficient used in hidden fusion, which links the output from the hidden layer for each site with their neighbors.     

基于样本相似度曲面重构的核函数构造

根据数据特征构造核函数是当前SVM(支持向量机)的难点，文章采用重构数据样本相似度曲面的方法构造三种新的核函数．证明前两种核是Mercer核，并且讨论了三种核的存在性、稳定性和唯一性．指出核函数的本质是表达相似性的工具，核函数与Mercer条件、正定性、对称性互为非充分非必要条件．仿真研究表明，本核函数对学习样本本身的分类是完美的，而且其泛化能力优于传统核函数的SVM．