RBF神经网络理论及其在控制中的应用

对ＲＢＦ神经网络的结构、分类、函数逼近理论及训练方法进行了综述，并且对ＲＢＦ网络的优点及问题作了分析，同时介绍了目前ＲＢＦ网络在控制方面应用情况，最后提出了ＲＢＦ网络在控制中的研究及应用新方向。     

基于RBF神经网络的入侵检测优化算法研究

入侵检测系统在保障信息安全方面起着重要的作用,对入侵检测系统智能性的研究是当前信息安全领域的研究热点.针对入侵检测系统存在的离漏报率和误报率等缺点,在对RBF(Radial Basic Functions径向基函数)神经网络优化算法进行对比研究的基础上,利用遗传算法优化传统RBF算法的网络初始权重,成功地将GA-RBF...     

基于RBF神经网络PID的无人动力伞控制

动力伞是一个复杂的非线性动力学对象,难以用精确的数学模型描述。对于这种具有非线性、时变和强耦合特性的综合系统,采用传统PID控制方法不能得到满意的控制效果,因此提出一种基于RBF神经网络的PID控制方法。该方法利用RBF神经网络的自学习、自适应能力自调整系统的控制参数,从而实现对PID控制器各参数的优化整定。在Mat-lab软件中的仿真结果表明,该方法可实现对动力伞有效的控制,并且与传统PID相比,具有更短的调节时间,更好的稳定性、自适应性和鲁棒性。     

基于RBF神经网络的减摇鳍自适应滑模控制

为减轻船舶在大风浪中剧烈的横摇,减摇鳍是目前应用最广泛的减摇装置.针时船舶减摇鳍系统的非线性和不确定性,在系统不确定性函数结构未知的情况下,提出一种RBF神经网络自适应滑模控制方法.采用RBF神经网络逼近系统不确定动态,并设计权值的自适应律,结合滑模控制增强系统的鲁棒性.在不同有义波高和不同浪向角下,建立随机海浪的干扰模型,应用simulink对系统进行仿真.仿真结果表明,该控制策略在各种海况下,均具有良好的减摇效果和较强的鲁棒性.     

基于RBF神经网络PID控制的无线网络时延控制研究

针对不确定时延影响无线网络控制系统的控制性能、常规PID控制策略无法满足网络控制要求的问题,提出了一种基于RBF神经网络PID控制的无线网络时延控制方案。采用Matlab/Simulink的TrueTime工具箱建立了无线网络时延控制系统仿真模型,介绍了模型中网络模块、执行器模块、控制器模块的设计及RBF神经网络整定PID控制器参数的实现原理。仿真结果表明,与常规PID控制策略相比,RBF神经网络PID控制策略能够在一定程度上降低不确定时延对无线网络控制系统的影响,从而提高无线网络控制系统的稳定性。     

基于UD和GA的神经网络最经济参数的研究

针对已有的控制系统经济目标函数中分母不变的情况，得出了一种用神经网络进行控制，以收敛性为技术约束的最经济控制参数的确定方法。通过该方法，先用均匀设计法安排神经网络参数试验，进行试验得到性能指标数据．及构造多指标的综合值选取神经网络的性能指标值，然后构造网络参数和多指标之间的映射关系，最后以多指标综合值作为适应度函数，用混合遗传算法求出最经济神经网络结构参数。仿真表明，用该法求得的结果和仿真结果误差在3％以内．说明该方法可以为神经网络最经济控制参数的确定提供有效参考。     

基于代数算法的RBF神经网络解耦控制

提出一种基于代数算法的RBF(Radial Basis Function)神经网络自适应PID控制方法.该方法采用动态的径向基函数网络对非线性系统进行在线辨识被控对象,并将获得的灵敏度信息对PID控制参数自整定,实现了系统的解耦控制.仿真结果表明该设计方案具有控制精度高,实时性好,且具有很强的鲁棒性和自适应性.     

基于遗传算法的RBF神经网络的优化设计方法

该文提出了一种新的RBF神经网络的设计方法，采用遗传算法对RBF神经网络的隐层节点中心值进行进化优选，用自适应梯度下降法选择隐层节点高斯函数的宽度，用递推的最小二乘法训练RBF神经网络的权值，仿真结果证明了该方法的有效性。     

RBF神经网络在ECT图像重建中的应用

对采用RBF神经网络的8电极ECT系统的图像重建的方法进行了探讨。该神经网络采用遗传算法结合传统的最近邻聚类方法进行学习。仿真实验结果表明,该方法的成像精度及成像实时性较好。     

基于RBF神经网络模型的信用评估

采用神经网络模型研究信用风险评估问题,鉴于RBF神经网络计算量小、学习速度快,不易陷入局部极小而且具有很强的分类能力等优点,提出基于RBF神经网络的信用评估模型,通过试验该模型展现了良好的性能.     

RBF神经网络在刀具状态监控中的应用研究

提出了一种用RBF神经网络模型监控刀具状态的方法,并以实例验证了RBF网络的有效性。     

基于模糊RBF神经网络的人脸识别研究

基于高斯RBF神经网络和模糊推理的函数等价性,构建了一种模糊RBF网络用于人脸识别研究,实验证明,网络有很好的学习能力,识别准确率较高,本文给出了ORL人脸库的识别结果.     

基于动态K均值的RBF神经网络日降水预报模型

针对优化径向基函数神经网络的各参数问题,提出一种动态K均值混合优化RBF神经网络并应用于广西降水数据进行建立预报模型,该模型与传统的K均值RBF模型和同期的T213降水预报进行对比,结果表明。该模型建立的5月3个区域的逐日降水预报,预测的精确度明显高于同期的T213降水预报。     

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。     

基于神经网络模糊PID的足球机器人控制算法研究

通过对足球机器人运动学模型进行分析,以足球机器人系统为实验平台,论证了神经网络模糊PID控制技术应用于足球机器人运动控制的可行性。将传统的PID控制与神经网络模糊控制相结合,通过PID算法实现控制的准确性,利用神经网络模糊控制提高控制的快速性与自适应性。针对足球机器人运动控制中的实际问题,着重提出了基于神经网络和模糊控制相结合动态调整PID控制器的三个参数KP,KI,KD的设计方法。实验证明该方法增强了控制器的调节能力和简化了控制器设计,同时本方法对模型和环境具有较好的适应能力和较强的鲁棒性。     

基于RBF神经网络和决策树的文本分类方法

该文根据CH I值原理、基于R BF神经网络和决策树原理,提出了一种文本分类的新方法。决策树分类方法具有出色的数据分析效率和容易抽取易于理解的分类规则等优势,但只能应用于维数较低的特征空间,对于维数达成千上万维的文本分类问题很难应用。该文分析了CH I值原理,提出了一种改进的CH I值;并用改进的CH I值选择了对每个文本类别分类贡献大的若干词条,并采用基于RBF神经网络方法对选择的特征进行进一步提取,因此得到维数较小的文本向量空间。最后再使用决策树进行分类,从而既保证了分类精度又可很容易地抽取出分类规则。     

一种基于RBF神经网络的遥感图像校正方法

研究基于RBF神经网络的算法针对遥感图像的几何校正,给出一个简单快速的实现方案,通过对实际图像进行了校正实验,获得满意的校正结果,说明谊方法能有效地精确校正图像的几何畸变.