基于GGA的RBF神经网络及其在交通信息预测中的应用

准确可靠的交通信息预测是实现智能交通诱导和交通管理的关键.本文提出一种两步学习算法:遗传-梯度算法,用于RBF神经网络的学习,并应用到交通信息预测中.算法充分利用遗传算法的全局优化能力和梯度下降算法的局部搜索能力,一方面加快网络收敛速度,另一方面优化网络结构,并在一定程度上提高网络的推广能力.宁波市实时交通速度信息预测的实验结果论证该算法的有效性.     

一种RBF神经网络的混合学习算法在CPI中的应用

根据RBF神经网络最常用的OLS算法、K-均值聚类算法和梯度下降训练学习算法,提出了一种基于正交最小二乘K-均值聚类梯度下降优化的RBF神经网络的混合算法。该算法克服了单一某种训练方法的不足,发挥了混合算法的长处,进行了CPI预测的仿真实验。结果证明：该方法是有效实用。     

遗传算法的RBF神经网络在线损计算中的应用

电力网线损率是综合反映电力网规划设计、生产运行和经营管理的一项重要指标。如何有效地降低电力网电能损耗、提高企业经济效益已成为迫切需要解决的问题。文中提出一种基于遗传算法的RBF神经网络对线损进行计算,并且针对RBF神经网络的隐含层与输出层相互独立和输出结果容易陷入局部最小等缺点,运用遗传算法对整个网络进行优化,另外对遗传算法进行了相应的改进。为了验证算法的可行性,文中以大庆油田某一地区的67条线路为样本进行仿真计算。实验结果证明了遗传算法优化的RBF神经网络在计算精度和训练速度上都有较大提高。     

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。     

遗传优化RBF神经网络背景下的声纹识别研究

本文以遗传优化RBF神经网络为基础分析声纹识别算法,通过增加学习网络权重能力和全局寻优能力,提升声纹识别准确度。对语音进行预处理并提出语音特征参数,以遗传RBF神经网络为基础,从初始化种群、选择适应度函数、选择操作、交叉和变异操作4个方面完成模型构建。通过仿真试验分析,得到遗传优化RBF神经网络背景下声纹识别的技术优势。     

RBF神经网络最优分割算法及其在股市预测中的应用

将最优分割算法(optimal partition algorithm,OPA)用于径向基函数神经网络参数的训练中.对OPA进行了适当的改进,在改进的OPA中增加了类的中心与宽度的确定方法,并将它们用于确定RBF网络的中心与宽度.提出了利用类的目标函数的差分对网络结构进行动态调整的方法,从而实现了隐节点数的自适应选择.用于股价预测的数值模拟结果验证了该方法的有效性.与传统算法进行比较的结果表明,在预测方面OPA具有较明显的优势.将OPA算法与正交最小二乘法相结合的OPA-OLS算法可以提高趋势预测的正确率.     

RBF 神经网络的递阶遗传训练新方法

针对RBF网络的特点,提出一种递阶遗传算法,不仅可以同时确定网络参数(连接权、隐节点中心和宽度),而且解决了网络拓扑结构的优化训练问题。算例仿真表明所提出的算法是很有效的。     

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。     

基于云遗传的RBF神经网络的交通流量预测

以神经网络和混沌时间序列理论为基础,提出了一种基于云遗传的RBF神经网络优化算法。该算法利用云模型云滴的随机性和稳定倾向性的特点,由正态云模型的Y条件云发生器实现交叉操作,由基本云发生器实现变异操作,提高了遗传搜索的效率,精简了网络结构。将该算法应用到Logistic混沌时间序列和实测交通流时间序列进行算法的有效性验证,并与传统的RBF算法和遗传算法优化的RBF算法（GARBF）进行比较。仿真结果表明该算法对混沌时间序列和交通流预测的精度有较大提高,从而证明该算法在交通流时间序列预测领域的可行性和有效性。     

RBF神经网络在储层表征中的应用研究

研究利用RBF神经网络技术进行石油储层表征中有关储层参数的计算与岩性的识别;建立了储层参数(渗透率)预测模型与岩性识别模型,并利用该两个模型对未知样本进行预测,预测结果与实际测量结果相比具有较好的一致性,其渗透率预测精度与收敛速度较BP神经网络模型有了很大的提高;应用表明,RBF神经网络在储层表征问题中有着广阔的应用前景。     

基于QPSO-RBF NN的混沌时间序列预测

提出一种基于量子粒子群优化算法训练径向基函数神经网络进行混沌时间序列预测的新方法.在确定径向基函数网络的隐层节点数后,将相应网络的参数,包括隐层基函数中心、扩展常数,以及输出权值和偏移编码成学习算法中的粒子个体,在全局空间中搜索具有最优适应值的参数向量.实例仿真证实了该方法的有效性.     

基于改进遗传算法的RBF网络的截球策略

在RoboCup2D仿真足球比赛中,球员的底层动作设计的好坏直接影响着比赛的输赢,特别是一些关键的动作,比如截球、传球、射门等动作。鉴于此,提出一种新的截球方法,即改进的遗传算法和RBF神经网络相结合的截球方法。该方法是用改进的遗传算法优化RBF神经网络的结构参数,通过优化,提高了网络的全局搜索效率。实验表明,经过改进遗传算法优化的RBF神经网络的截球成功率比单一的RBF神经网络截球成功率高很多。     

基于RBF辨识的CMAC在淀粉生产线中的控制研究

针对淀粉生产线中淀粉乳罐的液位控制精度问题,本文在分析了CMAC神经网络、单神经元和RBF辨识工作原理的基础上,设计了基于RBF辨识的自适应CMAC神经网络控制器调节淀粉生产线中乳液的液位。对自适应CMAC神经网络和基于RBF辨识的CMAC两种控制器进行了设计与仿真。防真结果表明,基于BRF辨识的自适应CMAC具有更好的跟踪效果和较快的响应速度,该系统具有很大的应用价值,不仅可以应用于淀粉生产线而且也为工业控制提供了更为精确的控制。     

基于改进遗传算法的模糊RBF神经网络控制器设计

提出一种改进的优良模式自学习模糊遗传算法,并用来优化设计模糊RBF神经网络控制器。改进的算法主要基于模糊编码、优良模式自学习算子、保留遗传算法和最优串重组。仿真结果表明,改进的遗传算法可实现模糊RBF网络结构和参数的快速、全局寻优,优化后的控制器具有很强的自适应性和鲁棒性。     

基于RBF的神经网络的模糊控制在交流调速中的应用研究

针对现代的交流调速系统中存在的问题，充分利用神经网络的自学习自适应能力和快速计算能力，提出了一种用RBF神经网络来实现的具有在线自调整功能的模糊控制方案，并给出了把神经网络和模糊控制器相结合的基本设计方法。通过仿真实验表明，该控制方案与传统的PID控制相比，具有鲁棒性强、恢复时间断和超调量小等特点。     

基于遗传算法优化RBF神经网络的氯离子浓度分布预测

基于RBF网络在样本数量和样本反映输入输出关系上的局限性,通过遗传算法优化RBF径向基网络的输出权值来实现对氯离子浓度分布的预测。通过对比得出,此方法与实测结果更吻合,具有更高的精度,可以为混凝土耐久性预测及评估提供一定科学依据。     

RBF网络在确定航空发动机给定转速中的应用

针对实验室不像飞机上可以通过复杂的机械传动装置确定发动机转速控制系统的给定转速,在研究分析了某涡扇发动机给定转速影响因素的基础上,提出了一种确定该型发动机给定转速的径向基函数(RBF)神经网络算法,并以试验数据为训练样本,建立了确定发动机给定转速的RBF神经网络模型。通过试验验证,结果表明该方法具有学习速度快、计算精度高等特点,将其应用于确定航空发动机的给定转速是行之有效的。     

基于RBF神经网络的热电偶信号处理新方法

针对热电偶信号处理中的非线性校正和冷端补偿等突出问题,利用径向基函数(RBF)神经网络构造双输入单输出的网络模型,并采用遗传算法对网络结构和参数进行优化训练,同时完成了热电偶测温中的非线性校正和冷端补偿。经仿真实验证明:该方法的测量误差减小至0.095%,在较大范围内提高了热电偶温度测量的精度。     

改进的RBF神经网络在磨矿指标预测中的应用

针对选矿生产过程中磨矿生产率和磨矿浓度、介质填充率和料球比3个指标之间的关系,分析了磨矿生产率对磨矿过程产品质量和工作效率的影响,提出了磨矿过程预测模型,采用了模糊聚类与改进的遗传算法相结合训练RBF神经网络的新方法。仿真结果表明,该模型可以快速准确地预报生产状况,对于企业进行实时生产控制具有较高的实用价值。