基于AQPSO的RBF神经网络自组织学习

针对径向基函数(RBF)神经网络的结构设计及参数优化问题,提出一种自适应量子粒子群优化(AQPSO)算法.将RBF神经网络的网络规模及参数映射到粒子的空间位置,定义权值平均最优位置,从而对量子粒子群优化(QPSO)中$L_{i,j     

基于RBF神经网络的自相似业务流预测研究

根据自相似业务流量非线性和非平稳的特点,采用极大重叠离散小波变换（MODWT）对网络流量进行预处理,简化了数据拟合过程。结合一个结构简单的RBF神经网络构建预测模型,对Bellcore实验室的原始数据进行预测仿真,通过与AR、FARIMA和BP等预测模型在不同时间尺度下的一步预测结果比较,提出的预测方法在信噪比（SNR）上提高了1～2个dB,而且在多步预测中也有更好的优越性。     

运用模糊神经网络对驾驶员安全因素的判别

在人，车和路集成的复杂系统进行建模和控制中，人模块一直是难点所在，本文通过对一各模糊神经网络驾驶员的安全因素进行识别，取得了满意的结果，对轿车行驶的主动安全性研究有一定积极意义。     

地物波谱的自组织神经网络分类

地物反射波谱是遥感技术中的核心，由于测量环境，条件等差异使得实际测量值的分类与期望之间存在很大差异，带来应用困难。本应用自组织神经网络对测量样本值进行非监督分类，得到由测量数据值本身特征而产生的类别，与期望类别作比较，分析差异原因，最后为测量值提出科学的应用方法。     

基于改进型RBF神经网络辨识的PID控制

针对工业控制领域复杂非线性时变系统．提出了基于改进型RBF神经网络的PID参数在线自整定方法。采用改进型RBF神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，实现系统的智能控制。仿真结果表明，与常规RBF神经网络PID控制方法相比，该方法具有控制精度高、响应速度快的优点，并且具备较强的自适应性和鲁棒性。     

一种神经网络自组织模糊控制*

本文提出一类基于神经网络的模糊控制。首先，它利用具有动态结构的ＢＰ网络进行模糊推理，实现模糊控制的最优推理过程。其次，它采用另一具有动态结构的ＢＰ网络校正现有的控制规则，实现规则自组织，在控制过程中不断优化控制性能，从而使控制的效果更加理想。     

基于动态RBF神经网络的遥感图像中烟辨识

针对森林火灾的突发性和分散性特点,根据森林火灾中的烟影像的特征,结合RBF神经网络分类器通用性的特点,采用PCA方法降低图像的维数和Fisher线性判别方法提取遥感图像中烟的影像特征,用特征值数代替训练样本数,并作为RBF网络输入数,在对样本训练的过程中提出一种改进型的混合算法。仿真实验表明,该算法对烟图像识别的准确率较高。     

基于RBF神经网络的智能PID控制算法

针对工业中的纯滞后现象提出一种智能控制方法,在常规的PID控制器中引入Smith预估器,对纯滞后时间τ所产生的特性进行预估补偿,同时利用RBF神经网络对PID的参数进行自整定,在一定程度上增强了系统的鲁棒性和稳定性。实验证明,此控制方法对纯滞后工业对象进行控制可以得到良好的效果。     

基于自组织神经网络的故障诊断

利用自组织神经网络对诊断对象的周期性振动信号进行处理，根据其映射特性和聚类特性，将振动信号映射到自组织网二维输出平面上。根据其映射点在输出平面上的位置，判断振动是否正常及其类型，使故障诊断简单化和直观化。     

MCM划分的自组织神经网络

本文在提出一个直接和间接相联模块间相似性的表示方法的基础上，提出了一个基于自组织神经网络的性能驱动ＭＣＭ划分的神经学习方法。算法求解如何在高层设计中将功能模块分配到ＭＣＭ芯片中。算法不仅考虑了模块间的相似关系，还考虑了ＭＣＭ的版图结构；具有芯片间连线数目最少和时钟周期最短双重优化目标；能使连线尽量产生在相邻近的芯片之间；能满足时延、散热和面积约束。文中还提出了一个层次神经网络模型和面积约束下的ＭＣ     

基于RBF网络自整定PID控制的改进算法

针对工业过程控制中存在的非线性,时变性以及各种不确定性,在已有的RBF网络整定PID控制的基础上,提出了一种改进的整定控制算法。先用RBF神经网络在线辨识被控对象离散模型,得到对象关于控制器输出的Jacobian信息,然后用Levenberg-Marquardt算法代替传统的梯度法对PID参数进行整定,得到改进的整定控制算法。通过对锅炉汽包水位控制系统的仿真研究,验证了算法的有效性和优越性。该控制算法提高了控制系统的快速性、鲁棒性,有一定的实用推广价值。     

基于RBF神经网络的属性约简方法

提出了一种用径向基函数(Radial Basis Function)神经网络进行属性约简的方法,定义了影响度等概念来量化评价各属性与待求解问题关系的紧密程度,根据影响度对属性做出约简处理。实验表明,该方法是合理、有效的,明显地提高了机器学习的性能。     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。     

模糊 RBF 神经网络在语音识别中的应用

常规RBF神经网络的隐层一般采用高斯函数,然而任意输入对于中心点的隶属程度并不总是服从高斯分布,将模糊理论引入常规的RBF神经网络对其进行改进,用任意输入模式与各类中心的隶属度来替代原有的径向基函数输出。实验结果表明改进后的模糊RBF神经网络识别率得到了提高。     

A People-Counting System Using a Hybrid RBF Neural Network

A people-counting system using hybrid RBF neural network is described. The proposed system is effective and flexible for the purpose of performing on-line people counting. Compared with other conventional approach, this system introduces a novel method for feature extraction. In this Letter, a new type of hybrid RBF network is developed to enhance the classification performance. The hybrid RBF based people-counting system is thoroughly compared with other approaches. Extensive and promising results were obtained and the analysis indicates that the proposed hybrid RBF based system provides excellent people-counting results in an open passage. A supervised clustering method is proposed for initialising the hybrid RBF network. In order to substantiate the introduction of the hybrid RBF and the proposed supervised clustering algorithm, test results on a vowel recognition benchmark dataset are also included in the Letter.     

径向基函数神经网络曲面数据破损修补

本文针对工业零件设计中曲面数据的破损问题,提出了一种基于径向基函数(RBF)神经网络的数据修补方法。阐述了数据修补方法的原理,设计了网络结构和训练算法,运用K均值算法实现隐层节点的中心初始化。通过两种曲面的数据进行训练,并对此两种曲面数据破损进行修补,结果表明,本文提出的曲面数据破损修补方法是有效的。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论：     

RBF网络的鲁棒最小二乘学习算法

首先,针对径向基函数(RBF)神经网络参数学习中最小二乘法(LS)难以获得较高鲁棒性的问题,假定训练数据扰动上界可知,并基于鲁棒最小二乘原理,提出一种RBF网的最优鲁棒参数学习算法;然后分析指出,扰动上界可依据训练数据集自适应学习估计;最后通过实验分析结果表明了所提算法具有较高的参数鲁棒学习能力.与LS相似,新算法无额外参数,易于实际应用.