基于SSA-RBF神经网络的煤自然发火预测模型

为解决传统煤自燃预测模型预测状态单一和预测精度不高的问题,提出基于麻雀搜索算法(SSA)优化的径向基(RBF)神经网络煤自然发火预测模型。首先,采用程序升温试验分析煤样指标气随温度的变化特征,将煤自然发火过程按煤温分为缓慢(80≤t_(i)<120℃)、加速(120≤t_(i)<160℃)和激烈(t_(i)≥160℃)3个氧化阶段,同时分析这3个阶段指标气与煤温的灰色关联度;其次通过不同维度测试函数检验粒子群算法(PSO)、灰狼算法(GWO)和SSA算法性能;最后利用6个矿区数据验证基于SSA-RBF神经网络的煤自燃预测模型的优越性。结果显示,缓慢氧化阶段CO/ΔO_(2)、CO、C_(2)H_(4)这3种指标气体与煤温的灰色关联系数最大;而加速氧化阶段C_(2)H_(4)/C_(2)H_(6)、CO/ΔO_(2)、CO_(2)/CO_(3)种指标与煤温的灰色关联系数最大。3种不同维度函数的测试结果表明:SSA与PSO、GWO相比具有更好的全局搜索能力和稳定性,其收敛速度更快;神经元数量为5个、迭代次数为300次时,SSA-RBF神经网络预测模型对缓慢氧化和加速氧化阶段的预测准确性分别达到了99%和93%。

基于沙漏状数据处理单元和分组RBF单元的对抗性免疫防御方法

针对深度神经网络(DNN)容易受到对抗样本攻击的问题,研究人员提出了许多防御方法,可分为外部防御方法(EDM)和免疫防御方法(IDM)。外部防御方法试图在将对抗性样本输入DNN之前去除其中存在的对抗干扰,而免疫防御方法则致力于提升DNN本身的鲁棒性,本文重点研究免疫防御方法。现有的免疫防御方法主要基于鲁棒优化策略来提升DNN的鲁棒性,为DNN构建鲁棒模块的工作较少。本文在DNN中引入了2个新的鲁棒单元:基于特征压缩和精度注入的沙漏状数据处理单元,用以减小对抗性扰动的干扰;分组径向基函数单元,用于增强DNN的非线性和适应类内变化的能力。在优化过程中使用标签平滑、退火策略和权值衰减来进一步提高鲁棒性。在2个数据集(MNIST和CIFAR-10)以及2个流行的DNN模型(LeNet5和VGG16)上的实验表明,将所提出的鲁棒单元集成到DNN中可以大幅提高其对对抗性攻击的免疫能力,同时保持其在干净样本上的识别性能。

基于PSO-RBF的大学程序设计教学效果评价方法研究

教学评价是对授课教师的教学效果和学生的学习情况进行评估,已成为高等教育教学管理的重要组成部分。为了满足大学程序设计教学效果评价要求,提出一种基于粒子群(PSO)算法和径向基神经网络(RBF)的大学程序设计教学效果评价模型,从而提高大学程序设计教学效果评价的准确率。基于PSO-RBF神经网络的大学程序设计教学效果评价的机器学习方法算法收敛速度快、优化能力强、泛化能力强,有效降低了人为因素对指标权重确定的影响,可以提高评价预测的准确性。

基于改进径向基函数神经网络的图像识别系统设计研究

为保证神经网络的并行计算能力,降低神经网络计算复杂度,基于改进径向基函数(radial basis function, RBF)神经网络设计了一款功能完善、实用性强的图像识别系统。首先,从图像识别系统架构、图像识别系统业务流程、系统运行环境搭建三个方面入手,确定系统设计方案。其次,结合基于改进RBF神经网络算法,完成基于改进RBF神经网络图像识别系统的设计。最后,将改进RBF神经网络图像识别算法与其他三种算法进行实验对比。结果表明:本文系统采用的改进RBF神经网络算法识别效率高,与LeNet-5、AlexNet和VGG16三种算法相比,其平均识别时间明显缩短50%,完全符合实际应用需求。

基于RBF神经网络的无线电信号自动调制识别方法

无线电信号自动调制识别存在信号识别准确率低的问题。因此,设计基于径向基函数(Radial Basis Function,RBF)神经网络的无线电信号自动调制识别方法。提取无线电自动调制信号特征,划分调制信号为若干信号块,识别调制类型。基于RBF神经网络构建信号自动调制识别模型,将RBF作为隐单元的“基”,并通过隐单元函数空间,映射调制信号矢量特征到隐空间,通过调制信号瞬时角频率偏移情况,确定自动调制类型,实现无线电信号的自动调制与精准识别。开展对比实验,实验结果表明该方法的识别准确率更高,能够应用于实际生活。

基于径向基函数(RBF)网在线建模的民航安全风险监测仿真系统设计与实现

通过分析国内外民航安全风险监测的研究现状,指出当前我国民航安全风险监测方面的不足,进而提出了基于径向基函数(RBF)网在线建模的民航安全风险监测仿真系统。在仿真系统设计中,详细讨论了实现系统的网络拓扑结构、体系结构,并将仿真系统分为三大功能模块,提出以安全隐患指标和安全性能指标分别作为仿真模块的输入段和输出段。在该基础上,利用C#语言和SQL SEVER数据库共同开发出该模拟仿真系统,并以空管仿真系统华东管理局年度仿真实例作了验证。

基于先验知识的弓网接触电阻预测模型精度提升方法

高速列车的运行实践表明,随着运行速度提高,受电弓与接触导线分离的可能性越大,越容易产生弓网电弧。导致电弧产生的因素很多,但最终都归结到滑板与接触网的接触电阻上。首先利用滑动电接触实验机,研究了波动载荷、滑动速度和接触电流对接触电阻的影响,并进一步结合表面形貌特征,分析了磨损机制、电弧放电与接触电阻演变规律之间的关系。其次为了预测不同工况下的接触电阻,建立了径向基(RBF)神经网络回归模型,通过在模型训练中融入先验知识和采用改进的食肉植物优化算法(ICPA)优化RBF神经网络超参数,提升弓网接触电阻预测模型的精度。有、无先验知识的ICPA-RBF模型预测性能对比仿真结果表明,两类先验知识分别有助于提高模型的收敛速度和预测精度。最后采用假设检验验证了模型的有效性。

径向基函数(RBF)神经网络在桥梁减震设计中的应用仿真

本文将人工智能理念引入桥梁结构的减震设计中,在对阻尼器参数进行参数分析的基础上,利用径向基函数(RBF)神经网络建立阻尼器参数与桥梁结构地震反应之间的映射关系,以帮助进行阻尼器参数的合理选定。同时,桥梁工程师可利用这一映射关系自行分析实际阻尼器性能参数的误差对结构地震反应的影响。本文最后通过工程实例,验证了人工神经网络算法在桥梁减震设计中应用的可能性和可靠性。

基于RBF神经网络的BDS接收机作战效能评估

针对传统作战效能评估方法存在主观性强,依赖专家经验等问题,提出一种基于径向基函数(RBF)神经网络的北斗卫星导航系统(BDS)接收机作战效能评估方法:梳理BDS接收机作战效能评估需求,并构建BDS接收机作战效能评估指标体系;然后对网络基础原理、学习算法和评估流程进行研究。实验结果表明,提出的方法能够有效完成BDS用户机的作战效能评估,虽然RBF神经网络在收敛速度上比反向传播(BP)神经网络要慢5.52倍,但是损失函数和准确率相比BP神经网络分别提升了65.7%和8%,而且与传统的装备作战效能评估算法相比,评估结论更加客观,具有一定实用性。

基于径向基神经网络的油藏反演方法

文章提出一种基于径向基(radial basis function,RBF)神经网络的油藏反演方法。该方法利用抽样生成的井底压力数据构造RBF神经网络模型,由RBF神经网络预测值与实际观测值的偏差定义目标函数,再利用粒子群算法(particle swarm optimization,PSO)对其进行优化,最终得到不确定参数的最优解和反演参数。与多项式拟合方法相比,RBF神经网络方法具有更好的拟合结果和更高的精度,甚至在多项式拟合方法失效时,该方法也能得到很好的模拟结果。油田实际算例表明,该方法具有良好的拟合效果,能大幅提高反演效率,具有很好的应用前景。

基于粒子群优化RBF神经网络轴承故障诊断研究

轴承是当代机械设备中一种重要零部件。轴承故障是机械设备故障的来源之一,因此对轴承故障的诊断研究具有重要意义。文章提出了一种基于粒子群优化径向基函数(Radial Basis Function,RBF)神经网络的算法,先用小波包分解将源信号分解成独立信号源,再构建独立特征值,将特征值输入RBF和改进后的RBF中识别故障。实验结论表明,改进后的算法有较好的故障诊断能力。

基于Hu不变矩和径向基神经网络的太阳镜镜片瑕疵图像分类系统

现有的镜片瑕疵分类主要针对光学玻璃镜片和树脂镜片,与太阳镜镜片的生产原料和工艺存在差异,导致两者的瑕疵类型也有所不同,因此现有的镜片检测机不能直接应用于太阳镜镜片的检测.为了满足生产需求,实现工业自动化检测,本文利用基于机器视觉检测技术的CMOS传感器工业相机、双远心镜头、LED灯搭建了镜片图像采集系统,并融合图像处理算法,将七个Hu矩不变量作为互补特征,采用径向基神经网络模型开发了太阳镜镜片瑕疵图像分类系统.实验表明,使用Hu不变矩特征提取算法的分类方法可有效提高分类准确率,该方法的准确率为94.56%.和BP等其他神经网络结构相比,准确率也更高.因此,该系统被证明是可行和有效的.

基于径向基函数神经网络的脑损伤电阻抗成像仿真研究

目的:基于径向基函数(RBF)神经网络对不同脑损伤场景目标进行电阻抗断层扫描(EIT)图像重建,评价不同状态下损伤预测准确率,为后期成像方法优化奠定基础。方法:基于COMSOL仿真建模软件建立多层圆域仿真模型,利用外部插件编程实现模型循环激励和RBF神经网络的生成,分别对单一脑出血和脑缺血、多发脑出血和脑缺血4种脑损伤状态进行EIT图像重建,利用图像相关系数和神经网络均方误差评估RBF神经网络的损伤预测能力。结果:在4种不同脑损伤状态下,RBF神经网络能够预测出不同位置及大小的出血和缺血目标,且4种状态的脑损伤图像相关系数(r值)分别为0.985、0.989、0.965和0.965,均方误差分别为0.0015、0.00002、0.0035和0.00004,证明其预测准确率较高。结论:RBF神经网络可以应用于复杂模型和多个脑损伤状态的EIT图像重建,可为后期图像重构算法优化提供一定算法基础。

基于WT-HBBO-RBF模型的年径流时间序列预测

利用4个基准函数对HBBO进行仿真测试;采用WT分解处理年径流时序数据;通过突变点检测方法Mann-Kendal(M-K)划分训练、预测样本,构建RBF适应度函数,利用HBBO优化RBF神经网络输出层权值、基函数中心和隐含层节点宽度,建立WT-HBBO-RBF模型,并构建WT-HBBO-SVM、WT-HBBO-BP、WT-RBF、WT-SVM、WT-BP、HBBO-RBF、HBBO-SVM、HBBO-BP作为对比分析模型。以云南省龙潭站、落却站年径流时间序列预测实例对模型进行验证的结果表明,HBBO具有较好的寻优精度及全局搜索能力;WT-HBBO-RBF模型对龙潭站、落却站年径流时间序列预测误差小于其他对比模型,具有较好的预测精度和泛化能力;HBBO能有效优化RBF神经网络输出层权值、基函数中心和隐含层节点宽度,提高RBF神经网络预测性能;WT能科学降低径流序列的复杂性,提高预测精度。

一种基于IDOA-RBF神经网络的正常流量过滤方法

针对全流量检测方式容易使安全检测设备出现性能瓶颈的问题,给出一种使用改进的野狗优化算法来优化径向基函数神经网络的正常流量过滤方法。首先,采用Singer混沌映射和搜索平衡策略对野狗优化算法进行改进;其次,用改进后的野狗优化算法优化RBF神经网络的输出权值,使用CSE-CIC-IDS2018数据集训练网络,构建正常流量过滤模型;最后,在网络流量进入安全检测设备前尽可能多地过滤掉其中正常流量,减轻安全检测设备的工作负担。实验结果表明:与现有的模型相比,IDOA-RBF神经网络的正常流量过滤模型在建模时间上有较大的改善,同时保持较高的识别精度,并且能在需要检测的流量中过滤掉72.9%的正常流量。

基于RBF神经网络的电力网络安全态势预测研究

针对现有网络安全态势预测信息来源单一、缺乏实时性的问题,文章提出一种基于径向基函数(Radial Basis Function,RBF)神经网络的电力网络安全态势预测模型。该模型使用滑动窗口方法构造安全态势值数据集,并采用训练样本集训练径向基神经网络,从而生成预测模型。实验结果表明,该方法能较准确地预测网络安全态势,并且在预测精度上优于反向传播(Back Propagation,BP)算法和支持向量机(Support Vector Machines,SVM)算法,具有更好的预测效果。

采空区移动变形的径向基函数神经网络概率积分法(RBF)反演

借助部分矿区地表移动实测数据,选用径向基函数(RBF)神经网络对概率积分法的计算参数进行反演,采用K层交叉验证对模型精度进行优化,并与BP神经网络模型和SVM模型预测结果进行对比,发现RBF模型精度均优于BP模型和SVM模型,且其稳定性较好。可为概率积分法预测评估采空区地表移动变形范围提供一种可靠的方法。

输入饱和约束下自适应RBF神经网络非线性反馈船舶航向控制

针对输入饱和约束下外界扰动和模型不确定情况下的船舶航向跟踪控制问题,提出一种自适应径向基函数(radial basis function,RBF)神经网络非线性反馈航向跟踪控制方法。利用自适应RBF神经网络对外界扰动和模型不确定项进行估计,并利用最小学习参数法减少计算量;将一个具有误差增益反相关特征的非线性函数嵌入控制律中,设计一种非线性反馈控制方法;利用李雅普诺夫理论证明所有信号在考虑外界扰动和模型不确定的船舶航向跟踪控制系统中都是一致有界的。通过仿真和比较,验证了所设计控制方法的有效性。所做研究可为输入饱和约束下船舶航向跟踪控制提供参考,具有工程实际意义。

基于QPSO-RBF的瓦斯涌出量预测模型

为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。

基于自适应模糊推理和RBF网络的桥梁安全评估

为准确评估桥梁的安全性能,根据钢筋混凝土桥梁的结构特征,首先构建桥梁安全性评估指标体系,确定评估指标的分级标准;然后使用径向基函数神经网络(RBF)替代传统的BP神经网络,优化学习速度和适用范围;其次结合自适应模糊推理,建立基于自适应RBF神经网络-模糊推理的桥梁安全性评估系统;最后用该系统评估某钢筋混凝土桥梁的安全性能。示例分析结果表明,大量专家评估意见调查数据,可为评估系统提供足够的输入数据,学习后的系统的输出结果与专家的评估意见误差减小,可用于评估桥梁的实时工作状态。