一种应用ARPSO优化RBF神经网络的方法

针对径向基函数神经网络参数难以设置以及因此而导致的网络隐层结构不明朗的问题,提出了一种应用控制种群多样性的微粒群(ARPSO)优化径向基函数神经网络(RBF)的方法。通过引入"吸引"和"扩散"因子对基本微粒群算法进行改进,并将改进的微粒群算法用于RBF聚类半径的优化,进而能够合理地确定RBF的隐层结构。将用ARPSO优化的RBF神经网络应用于非线性函数逼近,经实验仿真验证,与基本微粒群(PSO)算法、收缩因子微粒群(CFA PSO)算法优化的RBF神经网络相比较,在收敛速度和识别精度上有了显著的提高。

基于模糊逻辑提取信号的周期

本文提出一种新的算法，运用模糊逻辑系统的最近邻聚类学习方法，提取信号基波周期。谈方法缩程简单、运行快、精度高。