一种基于组合RBF网络及混沌理论的弱目标检测算法

针对复杂背景中的弱目标检测问题,提出了一种基于组合RBF网络及混沌理论的检测算法。该算法具有结构简单的优点。文中对算法的可实现性及合理性进行了理论分析,建立了基于预测误差优化的非线性预测模型,并结合阈值化处理实现了对弱目标的检测。在理论分析的基础上,对所提出的算法进行了仿真,结果表明了检测算法的有效性。

基于RBF-BP组合神经网络的短期风电功率预测研究

为提高风电输出功率预测精度,提出一种基于RBF-BP组合神经网络模型的短期风电功率预测方法。在考虑尾流等因素影响的基础上,对风速进行预处理。根据相关历史数据,建立RBF-BP组合神经网络短期风电功率预测模型,对风电输出功率进行预测。仿真分析结果表明,该预测方法能有效提高风电输出功率预测精度。

基于组合聚类RBF网络的开关磁阻电动机建模仿真

在已知SRM静态磁特性曲线的基础上,将一种自适应RBF网络应用于SRM的建模中。该网络采用组合聚类的方法动态确定RBF神经网络的隐层节点数及网络中心,克服了传统RBF网络把每个数据点都作为隐层节点,当数据量较大时致使网络结构冗余较大、学习速度较慢的缺点,同时又保持了传统RBF网络的优点。与传统的RBF网络相比,所设计的自适应网络节点少,精度能够满足要求。仿真结果表明,该模型能够较好地反映电机磁特性,所建立的SRM驱动系统仿真模型具有较好的通用性,为SRM的设计分析与新型控制策略的验证提供了基础。

基于组合神经网络的雷达弱信号检测

本文提出了一种基于组合RBF神经网络与混沌理论的弱目标检测算法。运用RBF神经网络的特点,将非线性预测模型的建立归结为预测误差的最小化问题,再对误差的控制建立合适的非线性预测模型。经仿真研究表明了所提出算法的可行性和有效性。

基于遗传组合网络的肉用人工嗅觉系统

根据肉的气味研制了一套适合肉品新鲜度检测的肉用人工嗅觉系统。通过分析肉品腐败机理,合理选用了气敏传感器阵列,优化设计了仿生气味收集装置及信号调理电路。依据肉气味模式,采用遗传优化的组合RBF神经网络作为模式识别方法。理化试验结果表明,肉用人工嗅觉系统检测肉新鲜度准确率达95%,优于其他通用人工嗅觉系统。

基于灰色RBF组合模型的宁波港集装箱海铁联运量预测

集装箱海铁联运量预测是海铁联运网络规划设计的重要组成部分,影响港口及其集疏运体系进一步发展,因此,对集装箱海铁联运量做出科学合理的预测显得十分重要.以2009~2015年宁波港集装箱海铁联运量为原始数据,运用灰色RBF神经网络组合模型预测其未来2年集装箱海铁联运量增长趋势.预测结果表明,灰色RBF神经网络组合模型预测精度高于GM（1,1）模型、RBF神经网络模型、灰色BP神经网络组合模型.可见,该组合模型可有效应用于集装箱海铁联运量的预测领域.

一种组合神经网络在结构优化中的应用

以挖掘机动臂为例,采用正交设计安排试验,在ABAQUS软件中获取有限元试验数据,利用Matlab软件编程仿真,比较BP神经网络和RBF神经网络在挖掘机动臂应力预测应用性能,针对BP神经网络应力预测准确度不高和RBF神经网络在学习样本输入区域很大,样本繁多时,需要更多的径向基神经元的问题,扩展出BP-RBF的组合神经网络,通过仿真实验证明,该组合网络提高了BP神经网络预测精度,扩展了RBF神经网络的应用范围,为工程应用提供参考。