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%。

基于人工神经网络的水库水资源规划管理

水库管理直接影响水库中水资源利用效率。文中采用两种人工神经网络方法对水库进行管理,通过预测给定水库未来的月流入量和每月蒸发量来估计每个月底水库的总蓄水量。研究中采用的人工神经网络方法是径向基函数(RBF)和前馈-反向传播(FFBP)方法。将人工神经网络的结果与新疆某水库实际运行的结果进行了比较,结果显示,人工神经网络能够较为准确地反映水库实际蓄水量,能有效应用于水库管理。

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。

径向基函数人工神经网络在棉花耗水量预测中的应用

采用径向基函数人工神经网络的方法,利用MATLAB工具箱,以气象资料中的平均气温、日照时数、平均风速作为输入变量,建立了预测新疆石河子地区棉花耗水量的RBF神经网络预测系统,并通过实测数据的检验得出此预测系统网络模型的绝对误差最大为0.096 2 mm/d,最小为0.000 8 mm/d,平均为0.051 9 mm/d;相对误差最大为1.7995%,最小为0.0165%,平均为0.9664%,可见网络模型预测的准确度较高,较以往的线性模型更合理,并且此网络训练花费的时间短,仅需0.078 0 s。

预测水稻螟虫发生趋势的径向基函数人工神经网络模型及其与BP网络的比较

文章采用径向基函数人工神经网络的方法,利用MATLAB工具箱并结合气象资料中的平均气温、最低气温、日照时间和降雨量,建立了预测虫害发生程度的RBF神经网络预测系统。系统通过实例证实了预测的准确性,并且与常用的BP网络进行了比较。RBF网络和BP网络通过对训练样本的仿真,可明显看出RBF网络比BP网络更为精确。通过程序记时显示RBF网络用时1.2030s,比BP网络训练所需的时间要短的多,因此RBF神经网络具有很好的实用价值。

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。

径向基函数(RBF)神经网络及其应用

介绍了径向基函数(RBF)神经网络的原理、学习算法及其在地震预报专家系统ESEP 3.0中的应用。实际应用结果表明, 该神经网络可以很好地克服BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷, 具有较快的运算速度、较强的非线性映射能力和较好的预报效能。

径向基函数人工神经网络应用于分光光度法同时测定镉、银、铜及汞

合成了一种新的水溶性三氮烯显色剂1-(2,6-二溴-4-硝基-1-苯基)-3-(4'-对亚磺基羟乙基磺基苯偶氮苯基)-三氮烯,并研究了与镉、银、铜和汞4种金属离子的显色反应的最佳反应条件。结果表明:较大量的常见共存离子对显色反应不干扰,但由于显色剂与上述4种金属离子络合物的吸收光谱相互重叠,造成测定这4种离子时相互严重影响。应用径向基函数人工神经网络(RBFANN)这种化学计量学方法可有效解决上述光谱重叠的问题,并实现了毋需分离或加入掩蔽剂,直接同时测定水样中的镉、银、铜和汞。取在460～560 nm波长范围内的21个特征波长处所测得的吸光度值作为特征参数,从RBFANN的输出求得上述4种元素的浓度值。测得值的相对误差绝对值均小于6%。

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。

基于卡尔曼滤波算法和双径向转移函数的RBF型神经网络

RBF径向基函数神经网络具有训练简洁、学习效率快、不易陷入局部极小等优点,广泛应用于信号处理与模式识别。虽然常用的RBF网络比较容易构建,但因其结构通常固定或者复杂度较高,从而导致学习时间过长或网络资源的浪费。针对上述原因,提出利用扩展卡尔曼滤波器作为RBF的学习算法,并在隐层中使用双径向函数。通过对逼近基准的结果分析,清楚地表明该算法比其他分类网络模型具有更强的泛化性。

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RBF人工神经网络模型预测棉花耗水量

利用MATLAB工具箱,以平均气温、日照时数、平均风速为输入变量,建立了新疆石河子地区棉花耗水量的RBF人工神经网络预测系统,通过2008年实测数据的检验表明,此预测系统网络模型的绝对误差最大为0.096 7 mm/d、最小为0.002 5 mm/d、平均为0.041 9 mm/d,相对误差最大为2.649 1%、最小为0.034 1%、平均为0.878 0%。可见,网络模型预测的准确度较高,较以往的线性模型更合理,并且此网络训练花费的时间仅需0.0780 s,具有一定的实用价值。

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。

用径向基函数神经网络模型预报感潮河段洪水位

径向基函数神经网络方法是一类比较优越的前向式多层神经网络,将其应用于感潮河段的洪水位预报。利用K 均值算法和最小二乘法来确定径向基函数神经网络的参数,并给出了具体计算方法。由于该方法比传统的BP算法有较快的收敛速度,使其具有较大的应用价值。基于感潮河段的具体特点,构建了具有若干个时段预见期的径向基函数神经网络模型。该模型应用于沂河的水位预报,结果表明,该模型运算快速、简便,预报精度较高。

基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究

围岩类别超前分类是隧道施工过程中必须开展的一项工作,其直接关系到后续的开挖及施工支护方案。为有效地进行隧道围岩类别超前分类,提出了基于数字钻进技术和量子遗传(QGA)-径向基函数(RBF)神经网络的围岩类别超前分类方法。以数字钻进技术为基础,从钻进参数中提取有用信息,构建围岩类别超前分类指标体系。采用量子计算原理对遗传算法进行改进,通过量子位编码和量子旋转门更新种群,以此来确定RBF神经网络的参数,建立了基于QGA-RBF神经网络的围岩类别超前识别系统。最后将该方法应用于青岛胶州湾海底隧道的围岩类别超前识别中,结果表明,该方法具有较高的准确性,其结果为围岩类别超前分类提供了一种新思路。

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题,给出了基于径向基函数(Radial Basis Function,RBF)神经网络的模型。该模型隐含层选用Gauss函数作为基函数,学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真,结果表明,用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播(Back-Propagation,BP)神经网络方法转换GPS高程的精度进行了比较,虽然两种方法的结果相近,但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见,RBF神经网络方法用于转换GPS高程是可行和有效的。