基于RBF神经网络的织物透气性能预测研究

建立了反映结构参数与织物透气性能之间关系的神经网络模型，采用了径向基函数神经网络（RBF）算法对织物透气性能进行预测研究。研究结果表明，此算法识别能力强，训练时间短，更能准确地预测织物的透气性能，具有一定的应用前景。     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。     

Error estimates of local multiquadric‐based differential quadrature (LMQDQ) method through numerical experiments

In this article, we present an error estimate of the derivative approximation by the local multiquadric‐based differential quadrature (LMQDQ) method. Radial basis function is different from the polynomial approximation, in which Taylor series expansion is not applicable. So, the present analysis is performed through the numerical solution of Poisson equation. It is known that the approximation error of LMQDQ method depends on three factors, i.e. local density of knots h, free shape parameter c and number of supporting knots n_s). By numerical experiments, their contribution to the approximation error and correlation were studied and analysed in this paper. An error estimate ε ～ O((h/c)ⁿ) is thereafter proposed, in which n is a positive constant and determined by the number of supporting knots n_s. Copyright © 2005 John Wiley & Sons, Ltd.     

MR智能阻尼器试验研究及径向基网络模型

制作了MR智能阻尼器，并在不同的位移，速度和电流输入情况下，对自制的MR智能阻尼器进行了性能试验研究，建立了MR智能阻尼器的径向基函数网络模型。结果表明：神经网络模型能精确的描述阻尼器正向和逆向工作特性，并且对液体沉降、液体磁响应时间、蓄能器刚度等因素的影响也能很好的解决。     

神经网络在水质模型中的应用

将神经网络理论和算法应用于水环境评价中，基于RBF神经网络进行水质建模，应用国内河流的实测样本对模型进行训练和检验．该方法较之原有的水质数学模型以及其他全局逼近神经网络方法的结果更加精确，适用范围更广．     

基于RBF的传感器在线故障诊断和信号恢复

介绍利用径向基神经网络构造了一种在线故障诊断及信号恢复方法,给出了网络的连接结构和学习算法。采用RBF神经网络进行传感器在线故障诊断和信号恢复,其仿真结果表明,该方法具有收敛速度快、信号恢复准确度高、泛化能力强的特点,且可以诊断多种复杂工作系统的传感器在线故障信号,同时进行信号的恢复。实现传感器状态监测、故障诊断、分离和信号恢复。     

径向基函数(RBF)网络在入侵检测中的应用

近年来，BP神经网络因为技术成熟在入侵检测中得到了若干应用，但是其本身所具有的局部极小性质限制了检测性能的提高。针对RBF神经网络所具有的最优逼近性质，对其在入侵检测中的应用作了研究。实验证明，RBF网络能够提高入侵检测性能。     

一种新颖的径向基函数(RBF)网络学习算法

以提高RBF网络泛化能力为着眼点，提出了一种新型的网络结构自适应学习算法．该算法采用衰减聚类半径的聚类算法来确定初始的隐层结构，然后通过调整包含样本类别信息的扩展聚类不纯度来修正隐层结构，直至满足所有扩展聚类不纯度均小于等于不纯度均值以及所有扩展聚类方差均不超过方差均值这两个条件．这样就确定了隐层的最终结构．在确定隐层结构之后，采用反向传播算法来训练隐层与输出层之间的连接权重．经双螺旋线问题仿真试验验证，该算法确实具有较强的泛化能力．     

基于混合神经网络的风机性能监测模型

针对传统的RBF神经网络泛化能力差的缺点,利用RBF神经网络强大的非线性逼近能力和数学模型良好的外推能力,提出了一种将传统的RBF神经网络和用偏最小二乘法建立的通风机性能数学模型相结合的混合神经网络模型,并将该模型用于通风机的重要性能参数——流量的监测上。以实验室4-73No.8D离心风机为研究对象,用不同导流器开度下的实验数据进行拟合,研究结果表明,混合神经网络模型的泛化能力强,精度高,各项模型评价参数均优于传统的RBF神经网络模型。     

基于思维进化算法的径向基函数神经网络结构优化

为了解决一类径向基函数的结构优化问题，该文在基本思维进化计算框架的基础上，提出了一种有效的混合优化策略。在优化过程中充分利用样本的信息，同时借鉴信息矩阵的思想，提出了利用信息矩阵进行信息抽取和信息积累的方法，并设计了有效的趋同、异化算子与个体之间学习的具体过程，使结构和参数同时得到了优化。仿真研究表明，该算法是快速有效的，并能保证网络具有较好的泛化能力。