RBF网的动态设计方法

提出一种RBF网的动态设计算法 (DYNRBF方法 ) ,该算法有效地融合了ROLS算法和RAN网络的优点 ,不仅能动态调节RBF网的隐节点数 ,还能使网络的数据中心自适应变化 .该方法所设计的RBF网不仅具有较好的泛化能力 ,当训练样本集变化时也具有好的鲁棒性 .

三角剖分以及径向基函数神经网络在星图识别中的应用

根据经典径向基函数(RBF)神经网络的优势,结合星图模式样本集的特点,设计了一种适合星图模式样本的网络训练算法。从提取星图模式入手,引入三角剖分理论,将可能出现在同一视场内的恒星以三角形的形式连接起来,提取连接的角距作为星图模式,建立了具有完备性、平移旋转不变性的星图模式样本集。然后,利用RBF神经网络做星图识别,研究顺序训练方法和批量训练方法,总结多种经典算法的优缺点,并设计了一种训练方法。通过实验证明了该种方法较其他经典算法更为适合学习星图模式样本。最后,给出RBF神经网络相关的训练数据,并通过模拟星图软件获得若干模拟星图作为观测样本,利用已经训练好的神经网络进行识别。试验结果表明,测试网络能够正确识别这些星图。

RBF神经网络的混合结构优化算法

本文改进了递归正交最小二乘(ROLS)算法的停止条件,并用改进的ROLS算法优选RBF神经网络中隐单元的个数;借用细菌群体趋药性(bacterial colony chemotaxis,BCC)算法的思想来确定RBF神经网络隐层神经元的控制参数;把改进的ROLS算法和BCC算法相结合(ROLS-BCC算法),来全结构优化RBF神经网络,使RBF网络不但可以得到合适的结构,同时也可以得到合适的控制参数。实验结果表明,本文算法的优化效率高,优化后RBFNN的结构小,并且提高了RBFNN的泛化能力。

基于正交最小二乘法的小波网络在系统辨识中的应用

利用单尺度小波框架理论建立初始小波网络。首先 ,提出基于 ROL S思想的小波网络正交化算法 ,实现参数的在线辨识。其次 ,提出一种基于 OL S思想的小波网络结构辨识算法 ,删除那些对网络影响小的小波基 ,来解决高维辨识问题。最后 。

一种新型径向基函数神经网络学习算法——递归正交最小二乘法(ROLS)

径向基函数神经网络在很多领域都得到了成功的应用。但迄今为止仍没有一种有效的方法来确定隐层中心数目。笔者将递归正交最小二乘 (ROLS)方法引入RBFNN建模训练 ,利用ROLS算法训练网络后所得的有用信息 ,采用后向选择算法 ,逐步去掉那些使网络残差增加最小的中心 ,在得到网络有效中心的同时 ,还满足了精度要求 ,从而大大简化了RBF网络结构 ,节约了大量的存储空间以及计算量。

基于小波模糊神经网络的DTC系统参数的辨识

模糊神经网络由于具有良好的自学习和自适应能力,在非线性系统辨识中有着广泛的应用,又由于小波变换或分解所表现的良好的时频局部化特性,以及多尺度的功能, 提出了基于小波模糊神经网络的直接转矩控制系统(DTC)参数辨识方法。利用递推正交最小二乘法(ROLS),采用改进的Givens旋转变换技术避免了大型矩阵的QR分解运算。通过计算机仿真证实了该法良好的辨识效果。

ROLS全视野镜在玻璃体视网膜手术中的应用

目的 探讨 ROL S(reinverting operating system )即称再翻转直立正像手术透镜系统 ,在玻璃体视网膜手术中的应用效果。方法 我院自 1998年 7月～ 1999年 10月期间在显微镜下应用 ROL S完成 10 9例 (10 9只眼 )的玻璃体视网膜手术。孔源性视网膜脱离 83只眼 (76 .1%) ,其中巨大裂孔性视网膜脱离 18只眼 ,复发性视网膜脱离 17只眼 ,多发裂孔性视网膜脱离 31只眼 ,后极裂孔性视网膜离 17只眼 ;牵拉性视网膜脱离 2 6只眼(2 3.9%) ,其中增生性糖尿病性视网膜脱离 10只眼 ,中央静脉分支阻塞并发视网膜脱离 9只眼 ,眼球穿通伤球内异物取出后并发视网膜脱离 7只眼。 10 9只眼均在 ROL S全视野镜下进行玻璃体切除术。结果 10 9只眼经过 3～2 5个月随访 ,平均为 (8.4± 4.9)个月。一次手术复位 96只眼 (占 88.1%) ,未复位 13只眼 (占 11.9%)。 5只眼经两次手术成功 ,最终解剖复位 10 1只眼 ,成功率达 92 .7%。视力增加者 77只眼 (占 70 .6 %) ,不变者 2 8只眼 (占2 5 .7%) ,视力减退者 4只眼 (占 3.7%)。最佳视力达 0 .5。结论 应用 ROL S全视网膜镜可为术者提供一个较高倍率 ,较稳定的从黄斑到锯齿缘的全景视网膜观察。使术中完成气液交换 ,切除前 PVR,施行周边 36 0度视网膜切开或切除 ,彻底完成硅油与重?

基于ROLS算法的RBF神经网络燃料电池电特性建模

提出了一种基于ROLS算法的RBF神经网络辨识建立直接甲醇燃料电池(DMFC)电特性模型的新方法。以电池的工作温度为输入量,电池的电压/电流密度为输出量,利用1200组实验数据作为训练和测试样本,建立了在不同工作温度下,电池的电压/电流密度动态响应模型。仿真结果表明采用RBF神经网络辨识建模的方法是有效的,建立的模型精度较高。

非对称单位根检验和非参数方差比

基于三种退势方法较详细研究了方差比检验在非对称单位根检验中的适用性,并通过MC模拟揭示了其检验势性质。结果表明:在不含趋势项的TAR下,两机制TAR数据落在第一机制的比率是影响方差比检验势的重要因素,且比率越高检验势也越高;三机制TAR中落在中间机制的数据比率会影响检验势,随着比率增加检验势呈下降趋势,但程度不大。在含趋势的TAR下,由于趋势项在数据生成过程中具有支配作用,各种检验势会随着趋势设定的不同而不同。数据在不同机制之间的转换概率越高,则ROLS和RDM退势较OLS退势具有明显优势。

稀疏多小波时变系统辨识及脑电信号时频分析

通过时变参数建模算法对非平稳时变系统的辨识问题进行了研究,并将其应用于脑电(EEG)信号时频特征提取分析。首先,将时变系统参数用具有良好局部逼近能力的多小波基函数进行展开,时变系统建模问题简化为时不变回归模型估计。其次,进一步结合正则化正交最小二乘(ROLS)算法,既降低模型复杂度,又避免模型过拟合问题,从而实现了时变参数的快速准确估计。仿真实例结果表明,与传统递归最小二乘(RLS)算法、经典正交最小二乘(OLS)算法结果相比,所提稀疏多小波建模算法能够更加准确跟踪时变参数的变化。最后,该算法用于运动想象任务下采集的真实EEG信号的时频特征分析,能够有效地得到α节律下高时频分辨率的事件相关去同步(ERD)及事件相关同步(ERS)分析结果,验证了本文算法的应用性。

基于ROLS的径向基函数神经网络实现数字调制自动识别

针对径向基函数(RBF)神经网络和统计模式识别的特点,提出利用递归正交最小二乘法(ROLS)的RBF神经网络实现数字信号调制样式的自动识别。仿真结果表明,利用ROLS算法很好地实现了RBF神经网络权值的确定和中心的选择,从而大大减少了网络的训练样本数和训练时间,提高了网络的识别性能。

ROLS无限距反转器

福科光学的全新无限距反转器（reinverter）ROLS∞是玻璃体视网膜手术中技术一款先进的观察系统，使手术显微镜完全能够进行定制。它用于准确无误地定位由非接触式观察系统或接触式镜头所生成的图像，为视网膜黄斑直至锯齿缘的全景视觉化提供精准的图像重现。

一种RBFN和FLD融合的说话人识别方法

提出一种新的可用于说话人识别的径向基函数网络(RBFN)阵列.RBFN网设计思想是在确定网络中心点之后采用最小线性方差作为目标函数解得最优权重,该方法并不能得到最优分类效果.使用Fisher目标函数,替代RBF中的误差目标函数来求取最优权重,用与文本无关的闭集说话人识别系统对该算法进行了验证,实验结果表明,该方法提高了RBF分类能力,比传统的RBF算法以及ROLS算法具有更高的识别率,并在识别效果接近GMM方法的情况下计算量大幅度减少.

非线性系统定阶的神经网络方法

前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。ＯＬＳ算法是构筑径向基神经网的一种学习算法，但是采用ＯＬＳ算法构筑神经网存在推广性问题。ＲＯＬＳ算法将ＯＬＳ算法与正则化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）方法相结合，以提高算法的推广能力。本文将基于径向基网的ＲＯＬＳ算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究，结果验证了方法的有效性。