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。     

径向基函数网络用于细菌的MALDI-TOF-MS分类

径向基函数（RBF）网络被用于根据基质辅助激光解吸／电离飞行时间质谱（MALDI－TOF－MS）对细菌的分类辨识。为了加速网络训练和减少网络的复杂性，本文采用小波变换对原始质谱数据进行压缩，将原来的13828个数据点压缩至328个，且保持了原来的特征谱峰。本文研究了在不同培养时间（24、48和72小时）的5种细菌分类，并对RBF网络参数的影响做了详细地研究，为生物学研究提供了有用的信息。结果表明，约60％以上的细菌样本能够被正确地分类辨识。由于细菌培养的生物学影响因素复杂，因而进一步严格控制细菌的培养条件是改善细菌分类正确率的关键。     

基于广义径向基函数的神经网络分类预测

径向基函数网络是神经网络中一种广泛使用的设计方法.它把神经网络的设计看作是一个高维空间的曲线逼近问题.相对于其他的神经网络方法.径向基函数神经网络除了具有一般神经网络的优点,如多维非线性映射能力、泛化能力、并行信息处理能力等,还具有很强的聚类分析能力,学习算法简单方便等优点.针对一个实际分类问题,利用广义径向基函数网络的思想训练一个网络并实现对测试数据集的分类预测.本算法采用k-均值聚类算法训练广义径向基函数网络中心,使用奇异值分解计算输出层权值.对该网络的实现细节及待改进之处进行简要分析.实验表明广义径向基函数神经网络的思想具有很强的聚类分析能力,学习算法简单方便等优点.     

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。     

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。     

径向基函数混沌神经元系统及其应用

建立了径向基函数混沌神经网络模型以及径向基函数混沌神经元模型,分析其产生混沌后收敛的原因,通过撤销模拟退火策略使过程无法收敛,从而构建出永久保持混沌状态的混沌神经元动力系统,分析了该系统的时间序列指标,证明其永久保持混沌状态的可行性;将该系统应用于灰度图像的加密解密,阐述了其原理及算法;分析了该算法的抗穷举能力,考察了原图像与加密图像的直方图,由此说明了该算法的抗统计分析的能力。     

径向基函数网络预测混合气体浓度

基于气体传感器阵列的混合气体分析方法及研究现状,对径向基函数神经网络对混合气体浓度预测进行了研究.用气体传感器阵列对由四种不同气体组成的混合气体进行测量并以这些测量数据为样本对径向基函数网络进行训练,训练后可使径向基函数网络对各气体成分的浓度预测误差不大于6%.     

径向基函数网络在变压边力反演中的应用

变压边力策略是在冲压件成型中控制回弹的一种有效措施。综合运用径向基函数（RBF）神经网络和三维回弹模拟技术开展了由冲压件成形质量反求变压边力的研究, 同时研究了径向基函数神经网络的动态结构设计问题,提出一种基于泛化的径向基函数神经网络的动态结构设计方法DYNSDRBF,编制了相应的计算程序。DYNSDRBF方法在变压边力反演神经网络设计中的应用结果表明,运用该方法设计的神经网络具有较好的计算精度,可有效地提高冲压件的成形质量。     

SpikeTools:用于神经元网络锋电位分类的软件

使用多电极阵列可无损的记录神经元网络的电活动，但是单个电极往往会同时记录到多个神经元的活动，因而需要将所记录的信号进行分类。本文通过幅度、形状、主成分等分类方法与聚类方法实现了对锋电位的分类，并在MATLAB平台下编写了相应的可视化软件spike Tools对模拟数据的分类结果表明：均有90％以上的锋电位得以正确归类。对实验数据的分类结果表明：阈值分类方法能对幅值有明显区别的锋电位进行合理分类，形状分类方法能对幅值接近的锋电位进行分类，而主成分分类方法区分波形的整体差异，能分离前两种方法难以区别的类；聚类方法可实现自动分类。开发的spike Tools软件能对各种锋电位群数据进行分类处理，为锋电位信号的分析提供了有力的工具。     

RS径向基函数网络在连铸板坯缺陷预报诊断中的应用

连铸板坯缺陷形成的诸多影响因素之间的关系错综复杂,造成缺陷预报和诊断都非常困难,提出粗糙集理论简化这些因素。然后采用径向基函数网络对连铸板坯缺陷进行预报诊断,仿真实验证明了该方法的有效笥、先进性、实用性。     

RBFN在OFDM快衰落信道估计中的应用

研究了径向基函数网络（RBFN）在正交频分复用（OFDM）系统快衰落信道估计中的应用，提出了一种基于分散导频的RBFN信道估计器。较之基于梳状导频的RBFN估计器，该估计器极大地提高了频带利用率，且具有良好的误码率性能。     

一种RBF网络结构优化方法

通过对ＲＢＦ网络结构的分析，结合奇异值分解方法，提出了一种ＲＢＦ网络结构优化的标准，并在此基础上实现ＲＢＦ网络结构的优化。     

全局优化径向基函数网络方法的设计及应用

针对径向基神经网络（RBFNN）中隐层单元中心及输出层权值向量难以有效确定的问题,论文提出了一种基于进化思想的解决方案.以进化算法中的模式定理为理论依据,运用分治策略思想,将隐层中心的最优化过程和输出层权值向量的最优化过程并行处理,提高了算法效率.最后将设计的整体进化径向基神经网络应用于数据的分类,以UCI数据库中的iris和wheat数据集为测试物料,采用该文提出的进化方案得到最优中心和权值向量,测试表明相对于RBFNN运用聚类办法确定中心和最小二乘确定权值的方法以及支持向量机其检出率能提高20％.     

RBF网络在发动机故障诊断中的应用

介绍了RBF网络模型,分析了其特点,并探讨了基于RBF网络的发动机故障诊断方法.通过MATLAB进行仿真试验,结果表明RBF神经网络训练速度比BP算法快,是解决故障诊断问题的有效途径.     

FKCN优化的RBF神经网络

ＦＫＣＮ（Ｆｕｚｚｙ Ｋｏｈｏｎｅｎ ｃｌｕｓｔｅｒ ｎｅｔｗ ｏｒｋ）将模糊隶属度的概念用于Ｋｏｈｏｎｅｎ 神经网络的学习和更新策略中,改善了Ｋｏｈｏｎｅｎ 网络的性能,是一种更为快速有效的聚类网络。作者将ＦＫＣＮ用于优化ＲＢＦ（Ｒａｄｉａｌｂａｓｉｃ ｆｕｎｃｔｉｏｎ）神经网络基函数的中心,并将优化后的ＲＢＦ网络用于曲线拟合和非线性时间序列预测,同时与基于Ｃ－ＭＥＡＮＳ的ＲＢＦ网络进行比较。实验结果表明：采用ＦＫＣＮ优化的ＲＢＦ网络具有更好的拟合和预测能力,尤其在曲线拟合实验中,ＦＫＣＮ优化的ＲＢＦ网络可以达到最小学习误差,比Ｃ－ＭＥＡＮＳ的网络小一个数量级,可见用ＦＫＣＮ优化ＲＢＦ神经网络可以较好地提高ＲＢＦ神经网络的性能。     

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。     

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