对RBF神经网络的改进及应用

为了提高传统RBF神经网络的收敛速度、网络精度以及更好地满足实际需求,提出一个线性—非线性并列的新型结构的RBF神经网络模型,并且将该模型应用到水轮机数字协联模型的建立。实例表明,利用该模型对协联关系进行拟合,提高了精度,取得了较好的效果。由于改进后的RBF神经网络具有良好的性能,在许多领域具有应用前景。     

RBF神经网络在入侵检测系统中的应用

入侵检测系统（Intrusion Detection System,IDS）作为一种积极主动的安全防护技术,提供了对内部攻击,外部攻击和误操作的实时保护,在网络系统受到危害之前,拦截和响应入侵。RBF（Radial Basis Function,径向基函数）网络在逼近能力、分类能力和学习速度方面均优于BP网络,能够提高入侵检测性能。本文将主要说明RBF在入侵检测系统中的应用。     

RBF神经网络非对称损失改进及应用

针对应用RBF（Radial Basis Function）神经网络信用评分中存在的第Ⅰ类错误率高的问题,提出了基于Linex损失下RBF神经网络分类方法,并给出了UCI（University of California Irvine）中德国信用评分数据集上的测试结果。实验结果表明,该方法能有效解决传统RBF神经网络信用评分中存在的问题。     

基于交叉验证的逐步回归结合RBF神经网络在QSAR中的应用

提出将交叉验证方法和逐步回归方法相结合实现建模变量的筛选,与RBF网络相结合用于建立定量构效关（QSAR）研究的数学模型,并用于不对称有机磷的QSAR研究,结果表明该方法是有效的。     

基于RBF神经网络的电流保护

提出了一种基于RBF神经网络的全新的电流保护方式 该网络采用的是 3层RBF神经网络模型 ,由三部分构成 :故障类型与相别判断子网络ANN1;故障方向判别子网络ANN2 ;振荡识别子网络ANN3 对该模型进行了各种故障状态的测试 ,进行了仿真实验 ,并与BP网络进行了比较 ,发现RBF网络训练速度快 ,且证实了基于RBF网络的电流保护的可行性     

势RBF网络及其在水质诊断中的应用

阐述了标准ＲＢＦ网的机理和算法,指出其算法上存在的不足,进而引入基于势函数算法的ＲＢＦ网（简称势ＲＢＦ网）．通过实验论证了势ＲＢＦ网不仅训练速度快,而且能克服标准ＲＢＦ网的不足,具有良好的分类效果     

改进RBF神经网络在地下水动态预报中的应用

根据地下水位与其影响因素之间存在的映射关系,建立了一种改进的RBF神经网络模型,并分别通过减聚类和监督学习算法对网络参数和权值进行训练.结果表明,该模型比传统的BP算法迭代次数少,收敛速度快,运算简便,预测精度较高,具有应用价值.     

磁悬浮改进RBF神经网络控制的仿真研究

利用RBF神经网络的自学习、自适应能力,在传统PID控制基础上,提出一种改进的RBF在线辨识的自适应PID控制方法.为避免系统启停过程中,短时大偏差引起的超调较大,文中利用RBF网络提供辨识信息实现对参数KP、KD调整,对参数KI不做整定,以满足磁悬浮系统的动态和静态性能要求.设计中采用S-函数建立磁悬浮系统的非线性模...     

RBF神经网络在径流预报中的应用

鉴于径流的形成受众多因素的影响和径流预报具有复杂的非线性特点,在Matlab环境下建立了RBF神经网络的径流预测模型.经实例验证,该模型收敛速度快、预测精度高,并与BP网络作了对比,RBF网络显示了较好的优越性.     

RBF神经网络算法及其应用

在径向基神经网络学习算法的基础上,提出了一种新的RBF神经网络学习算法,该算法将变长度染色体遗传算法和最小二乘法相结合,能够同时确定径向基神经网络的结构和参数。用此方法建立热电厂热负荷预测模型,并与BP神经网络和增长型结构学习算法的RBF神经网络方法相比较,结果表明可以取得更好的效果。     

电容层析成像RBF神经网络图像重建算法的改进

RBF神经网络图像重建算法在电容层析成像系统中应用广泛,它较好地克服了ECT系统的软场特性、强非线性和不适定性,其成像时间和成像精确度比其他算法都有很多改善.本文从有限元场域剖分、数据归一化和神经网络输入层角度对该算法进行了相关改进.仿真实验结果证明,改进后的算法有着更好的成像时间和成像精确度.     

灰色补偿RBF神经网络

给出了灰色系统与神经网络的一种新的结合方式一灰色补偿RBF神经网络。该网络利用RBF神经网络建立残差与数据间的映射关系，并采用其预测结果补偿灰色系统模型的预测值。仿真结果表明本方法优于其它灰色神经网络。     

灰色补偿RBF神经网络

给出了灰色系统与神经网络的一种新的结合方式—灰色补偿RBF神经网络。该网络利用RBF神经网络建立残差与数据间的映射关系,并采用其预测结果补偿灰色系统模型的预测值。仿真结果表明本方法优于其它灰色神经网络。     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ，辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类和正交化法，利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＲＢＦ网络用于负荷预测的有效性。     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（ＲａｄｉａＢａｓｉｓＦｕｎｃｔｉｏ．辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类法和正文化法。利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＡＢＦ网络用于负荷预测的有效性。     

考虑水力振动特性求取转桨式水轮机的协联关系

在确定转桨式水轮机协联关豕时，往往只考虑水轮机的能量特性。本文结合石家庄混合蓄能水电厂中的轴流转桨式水轮机协联关系的试验过程，研究了在考虑水轮机水力振动特性的情况下，应用多目标优化方法，确定转桨式水轮机协联关系。这种综合考虑水轮机的能量特性和振动特性，确定转桨式水轮机最佳运行方式的方法，为保证转桨式水轮机的高效稳定运行提供了新的途径。     

轴流转桨式水轮机水头自动跟踪装置的研制

在某一水头下 ,轴流转桨式水轮机导叶开度与桨叶转角有着最优的配合关系 ,即协联关系 ,当水头变化时 ,此协联关系曲线也随着变化 ,因此实时跟踪水头变化是必要的 ,通过研究转桨式水轮机的协联特性 ,设计研制了天桥水电厂水头自动跟踪装置 ,使水轮机运行保持在协联工况 ,并对这一协联控制系统进行研究 .     

基于Spiking的RBF神经网络故障诊断算法

神经网络是一种不依赖模型的控制方法,其自身并不需要给定预先需要的有关先验知识和判断函数,因此能对变化的环境（包括扰动和噪声信号等等）具有良好的自适应性.RBF神经网络是具有单隐层的三层前馈网络,由输入到输出的映射是非线性的,而隐含层空间到输出空间的映射是线性的.其优点在于收敛速度快,具有唯一最佳逼近的特性,且不会陷入局部最小的问题.Spiking神经网络采用时间编码的方式来进行数据处理,更接近于实际生物神经系统.基于Spiking的RBF神经网络在预测精度和误差控制上有着显著的效果.