基于RBF神经网络的传感器静态误差综合校正方法

以一受环境温度和电源波动影响的压力传感器为例,说明了具体实现方法和校正效果.并与采用BP神经网络进行误差校正的方法进行了比较.实验结果表明,采用RBF神经网络可以明显提高网络收敛速度,大大减小传感器静态误差,校正效果优于BP神经网络.     

基于RBFNN的料场称重预测控制系统

为提高称重配料过程的控制精度,探讨了基于径向基神经网络(RBFNN)辨识的模型预测控制(MPC)系统的应用,着重介绍了径向基神经网络的特点,模型预测控制特性,提出了以径向基神经网络作为预测器和控制器的模型预测控制系统。实践证明,该系统可以改进被控对象的性能,适用于较为复杂的不确定性强的非线性控制对象。目前已成功在福建某钢铁厂烧结料场控制系统改造项目中投入使用,并取得了良好的控制效果,该系统在钢铁冶炼烧结称重环节不同料种圆盘中有广阔的应用前景。     

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。     

一种径向基函数神经网络在线训练算法及其在非线性控制中的应用

针对现有径向基函数(RBF)神经网络训练算法存在的问题,给出了RBF神经网络的一种 在线训练算法,对这种在线训练算法所涉及到的各个方面进行了全面的分析．仿真表明所提 出的算法是非常有效的,它克服了以往算法的不足并具有很大的实用性．进一步将RBF神 经网络用于非线性控制,取得了良好的结果．     

基于灰色神经网络的骨折愈合应力预测

在骨折愈合应力准确预测问题的研究中,骨折愈合受许多因素的影响,应力是主要因素之一。为了加快骨折愈合的速度和提高质量,及时了解骨折愈合过程中应力的变化趋势并调整加力的大小,就显得很重要。然而应力的变化是不确定的,用传统的观察法医生很难确定次日应力的大小,用单一的GM(1,1)模型预测精度也不高。根据神经网络能有效修正灰色预测模型的思路,提出了基于灰色系统理论及径向基神经网络的组合预测模型。先用灰色系统理论中的GM(1,1)模型,用已有的实测应力数据对次日的骨折断面应力进行预测,然后用实测值与预测值的差值训练神经网络,从而可以对灰色预测的值进行修正。实验结果表明:提出的应力预测的模型获得较高的预测精度,说明组合预测模型效果优于单一的灰色预测模型。     

改进粒子滤波算法在目标跟踪中的应用

针对粒子滤波算法的粒子匮乏现象和计算量大的问题,提出了一种改进粒子滤波算法.该算法利用径向基神经网络的最佳逼近特性,提高先验概率密度估计精度,消除噪声引起的估计误差,利用支撑向量回归法实现较少粒子的高精度跟踪.将该算法应用到目标跟踪技术中,仿真结果表明该算法的精度和稳定性优于粒子滤波和无迹粒子滤波,可实现实时鲁棒跟踪.视频目标的跟踪试验也表明该算法对有遮挡现象的跟踪问题跟踪效果明显,具有广泛的应用价值.     

一种调整型径向基网络偏微分方程解法

基于径向基神经网络（RBFN）的偏微分方程（PDE）求解算法中,仪通过搜索最佳权值逼近方程解,精度有限。实际上在建立的RBFN中可能存在对求解PDE贡献很小的但是增加算法复杂度的神经元,或者缺少对方程解贡献很大的辅助神经元。基于这个事实提出一种新的算法：在搜索最佳权值同时调整RBFN结构,删除对方程解贡献小的神经元,增加对方程解贡献大的辅助神经元;采用最小均方误羔梯度下降法得到最优权值;最后得到PDE的逼近解。仿真实验表明新算法较传统的RBFN算法,精度更高,误差收敛速度更快;可广泛应用于工程实践。     

GPU加速的三维人脸真实表情合成

为了对输入的某用户中性表情的三维人脸合成出尽量接近该用户的、带所指定表情类型的三维人脸,提出一种三维人脸表情并行合成算法.使用基于主测地分析(PGA)和径向基函数(RBF)的学习方法建立人脸真实表情模型,并借助泊松方程变形实现表情的合成;由于采用GPU并行执行,因此能够有效地对三维人脸模型进行表情实时合成,且具有高度可并行计算的特性.在Bu-3DFED数据库上的实验结果表明,使用GPU加速后,文中算法的执行速度是使用普通双核CPU执行速度的13倍,并达到近实时合成的性能.     

光学4f系统灰度误差补偿的实现

为补偿光学4f系统灰度误差,提出基于直方图匹配和径向基函数(RBF)神经网络的灰度误差补偿方法。首先利用径向基函数神经网络拟合经光学4f系统输出图像的直方图与对应输入图像的直方图之间的非线性变换,得到输出图像与输入图像的直方图匹配变换曲线的最优估计;再依据直方图匹配曲线的最优估计对经光学4f系统的输出图像进行直方图匹配,得到灰度误差补偿后的图像。利用实际的光学4f系统进行光学实验,灰度误差补偿后图像的信噪比平均提高了2.96dB,视觉效果明显改善。实验结果表明,该方法能有效补偿光学4f系统灰度误差,提高基于光学4f系统的光学信息处理的精度。     

基于径向基概率神经网络的气象参数状态识别

局部气象参数实时数据是船舶航行、飞机起降所需要的非常重要的海洋气象参数.这些参数实时数据中的奇异数据对航行导航可能会导致危险后果.提出了一种基于径向基概率神经网络的气象重要参数状态识别方法用来识别奇异数据.将气象参数实时数据作为神经网络的输入,参数对应状态作为输出,通过对径向基概率神经网络模型训练,实现数据状态识别,将故障奇异数据进行有效识别.保证了气象观测系统输出数据的可靠性.实验结果表明,该方法可靠,且具有较好的泛化能力,能够实现气象参数实时数据状态的有效识别.