用 ARMAX 模型与多层 BP 网络进行河道流量演算

本文分别给出了将ＡＲＭＡＸ型及多层ＢＰ网络应用于流量演算中模型参数确定的方法；提出了一种可进行误差实时校正的改进ＡＲＭＡＸ模型，并认为该模型实质上是一种特殊的两层ＢＰ网络；最后用一个实际的算将改进ＡＲＭＡＸ模型与多层ＢＰ网络的两种方法进行对比分析。     

基于RBF神经网络的一种最优中制导律

对于中远程导弹中制导段,提出了一种基于RBF神经网络的最优中制导律,这种制导规律通过离线学习,能够在线实时工作.研究和仿真分析表明:这种基于RBF神经网络的最优中制导律与其他末制导律配合,可有效提高导弹拦截机动目标的性能.     

准平稳信号的自适应分段与聚类

本文讨论了准平稳信号自适应处理中的特征提取、自适应平稳分段和自适应聚类与识别问题。对以上三部分的优化实现问题,提出了由双卡尔曼滤波器,白化熵测度器和自组织神经网络构成的实施方案,并通过计算机模拟证明了该方案的可行性。     

对称神经元网络：渐近稳定性和学习

本文在分析对称神经元网络的渐近稳定性基础上,提出了一种非约束优化学习算法,保证训练样本成为稳定吸引子,具有一定大小的吸引域.理论上,我们证明了算法的收敛性以及形成的吸引域下界.计算机实验结果充分说明了学习算法的优越性.     

PARAMETERS DETERMINATION METHOD OF PHASE-SPACE RECONSTRUCTION BASED ON DIFFERENTIAL ENTROPY RATIO AND RBF NEURAL NETWORK简

Phase space reconstruction is the first step of recognizing the chaotic time series. On the basis of differential entropy ratio method, the embedding dimension mopt and time delay τ are op- ritual for the state space reconstruction could be determined. But they are not the optimal parameters accepted for prediction. This study proposes an improved method based on the differential entropy ratio and Radial Basis Function （RBF） neural network to estimate the embedding dimension rn and the time delay τ, which have both optimal characteristics of the state space reconstruction and the prediction. Simulating experiments of Lorenz system and Doffing system show that the original phase space could be reconstructed from the time series effectively, and both the prediction accuracy and prediction length are improved greatly.     

基于 RBF 神经网络的滚仰式导引头控制系统设计

为保证滚仰式捷联导引头的稳定控制,提出了一种基于 RBF 神经网络整定的 PID 控制策略,用于导引头稳定回路校正环节。根据滚仰式捷联导引头的运动学与动力学关系,结合导引头稳定回路校正环节采用的 RBF 神经网络 PID 控制算法,建立了滚仰式捷联导引头稳定与跟踪一体化仿真模型;仿真结果表明：滚仰式捷联导引头稳定回路采用 RBF 神经网络整定的 PID 控制器后,其动态性能优于传统 PID 控制器,建立的仿真模型能够对机动目标实现快速稳定跟踪,在工程应用中可提供有益参考。     

新型高性能红外二氧化碳传感器

介绍了红外二氧化碳传感机理，提出了一种新型空间双光束测量结果，并基于RBF的神经网络建立了传感器数学模型。为了提高传感器动态特性，设计了动态补偿滤波器，研制成功一种新型高性能传感器。实验结果表明，上述技术有效地提高了传感器的精度、实时性及可靠性。     

人工神经网络在电涡流传感器非线性补偿中的应用研究

电涡流传感器输入/输出特性曲线具有很强的非线性,为保证仪表输入/输出的线性化关系,必须对电涡流传感进行非线性补偿。采用RBF网络对电涡流传感器进行非线性补偿,并将补偿结果与拟合函数法(最小二乘法)进行比较。结果表明:神经网络产生的补偿曲线更顺滑,预测性更强,补偿后的传感器线性度更好。     

浅谈RBF神经网络在教师绩效评价中的应用

本文从建立教师绩效评价的意义入手,提出了教师绩效评价标准,探讨并构建了适应于教师绩效评价的指标体系。在比较各种评价模型和算法优缺点的基础上,提出了基于径向基（RBF）神经网络的教师绩效考评价模型,并设计出了系列数据处理算法。通过网络训练、泛化结果分析,表明用RBF神经网络来评价教师综合评价是非常可行的。     

RBF预测控制在时延导弹总线控制中的应用

总线网络控制系统取代点对点控制系统,提高了导弹武器系统整体性能,但由于信息传输分时复用总线,系统延迟很难避免。为此,在对系统延时分析的基础上,设计基于预测偏差的RBF网络预测控制的时延补偿策略,实现对控制系统网络时延的实时补偿,与PID控制方法的比较。通过引入网络平台TrueTime工具箱,验证所设计方法的有效性。