基于极速学习的粗糙RBF神经网络

提出了一种用于训练粗糙RBF神经网络(rough RBF neural networks,R-RBF)的极速学习机(extreme learning machine,ELM)方法,通过引入矩阵的Moore-Penrose逆,将传统的迭代学习方法转换为一种求线性方程的极小范数最小二乘解的方法.实验证明,在训练精度、训练时间上都能够达到非常优越的性能,其泛化精度能够提升50%以上.

基于RBF神经网络的军机研制费用估算模型研究

对现代军机研制费用估算模型现状进行了简要分析 ,基于径向基函数 (RBF———RadialBasisFunction)神经网络理论建立了一种新的研制费用估算模型 ,给出建模流程 ;编制了仿真软件 ,在小样本情况下 ,进行了数字仿真 ,对所建研制费用神经网络模型的有效性进行了验证。仿真结果表明 ,所建RBF神经网络估算模型对研制费用的预算估计是有效的 。

RBF神经网络在雷达定量估测降水中的应用研究

利用重庆气象局CINRAD/SA气象雷达降水回波资料和相应地区的地面雨量站资料,基于径向基函数神经网络,建立雷达定量估测降水模型,将其用于地面降水估测。作为比较,同时以变分法得到的Z-R关系式估测所得降水。经二者对比试验结果表明:建立的雷达定量估测降水模型的估测精度和稳定性要明显优于Z-R关系式,能较好地反映降雨的真实情况。

创业板研发投入的神经网络预测:是采用RBF模型还是BP模型?

创业板公司成立时间较短、企业规模较小,其研发投入的影响因素较多,使用营业净利率、每股收益、董监高年薪、可持续增长率、资产负债率、现金流量净额和GDP这些指标,运用径向基神经网络(RBF)和逆传播神经网络(BP)方法构建一个训练完成的神经网络模型,研究发现RBF神经网络模型比BP神经网络模型具有更好的拟合、预测效果。

基于PSO神经网络的察/打无人机武器发射过程参数预测

为预测察/打无人机导弹发射过程机身温度,提出一种基于PSO神经网络的预测算法。为了寻求RBF神经网络的最优结构,建立了开关型RBF神经网络,并采用PSO算法寻求开关型神经网络的开关值和网络参数。实验结果表明,该算法生成的虚拟函数能够较好的反映参数的内在联系,提高了数值仿真效率。预测结果对察/打无人机武器发射安全性论证有重要价值。

基于RBF神经网络的LTE-R切换算法优化

在LTE-R越区切换中,基于A3事件的越区切换算法在列车高速运行时容易出现乒乓效应和无线链路连接失败的问题。为此,提出基于RBF神经网络的越区切换优化算法。采集列车运行在特定环境中不同速度时切换效果较好的hys和ttt参数,并将其发送到RBF神经网络进行训练,得到不同速度下hys和ttt的非线性表达式,根据列车接收到的参考信号质量,加入自矫正项对hys和ttt进行二次调整和优化。在Matlab上进行的仿真实验结果表明,该算法能够降低掉话率和乒乓切换率,提高列车在高速运行环境下的切换成功率及鲁棒性。