RBF网络基函数中心选取算法的研究

首先介绍RBF网络基函数中心的随机选取算法 ,然后研究自组织学习算法选取RBF基函数中心方法 ,最后给出一种最近邻聚类学习算法。通过系统辨识的实例仿真 。

基于RBF网络的涡流无损检测系统设计

结合涡流无损检测的特点,介绍了基于RBF网络的涡流无损检测系统及系统软、硬件设计方法。硬件部分采用TI公司的DSP芯片TMS320VC5410作为核心,完成信号的产生及其处理。软件部分采用了基于RBF神经网络的涡流无损检测方法,且针对常用的RBF中心选择算法不能构成全局最优、收敛速度慢等缺点,提出采用基于改进Fisher中心选择算法确定RBF网络隐层节点数及径向基函数中心。仿真结果表明:利用DSP产生处理信号,得到的波形精度高、稳定性好;利用改进Fisher算法确定RBF隐层节点数及径向基函数中心简化了网络结构,提高了分类能力和收敛精度。

基于PAM聚类方法的RBF神经网络设计

RBF神经网络中心点的选择对RBF网络性能的好坏至关重要。提出了一种利用PAM聚类算法确定径向基函数的数目、基函数中心及宽度,输出层权值由线性方程组确定的RBF神经网络设计方法。通过对UCI数据集的分类仿真实验,结果表明利用该方法设计的RBF网络具有良好的分类效果,能有效减少网络的训练时间且对孤立点数据不敏感。

中心、方差及权值直接确定的RBF神经网络分类器

模式分类是径向基函数(RBF)神经网络应用的一个重要方面,目前大多数RBF网络都采用迭代学习的方法。区别于反复迭代训练而得到网络参数的惯常做法,重新探讨一种基于矩阵伪逆或逆的中心、方差及权值可直接确定的方法。并基于此方法构建一种模式识别分类器,对IRIS分类问题进行计算机仿真验证。结果表明,相对于迭代法,该直接确定方法具有更快的计算速度,构建的RBF神经网络分类器也具有良好的分类性能。

基于交叉验证的改进RBF分类器设计

本文提出了一种利用k均值聚类算法确定RBF神经网络径向基函数数目、函数中心及宽度,输出层权值由线性方程组确定,而网络参数的优化采用梯度下降法的网络设计方法。为了解决学习样本数据的有限性、RBF网络泛化能力较差和容易出现过拟合等问题,在网络训练中采用了基于交叉验证的归一化网络训练方法。通过仿真实验表明该方法训练所得的网络泛化能力及分类的准确率明显提高,并有效避免了过拟合问题。

基于改进kmeans聚类方法的RBF神经网络设计

提出了一种利用改进的kmeans聚类算法确定径向基函数的数目、基函数中心及宽度,输出层权值由线性方程组确定的RBF网络设计方法.通过对函数逼近的仿真实验,表明该RBF网络比Kmeans聚类算法设计的RBF网络更加稳定高效.

基于RBF神经网络的边坡稳定性预测

RBF神经网络具有极强的非线性映射能力,精度高。本文基于RBF神经网络原理,采用自组织选取中心法,建立基于RBF神经网络的边坡稳定性预测模型,并选取大量边坡工程数据作为学习训练和预测样本,利用该模型进行学习和预测。研究结果表明,在处理边坡稳定性预测问题中,该方法具有很好的适应性和较高的精度。

云模型RBF神经网络的数据中心温度预测

数据中心温度预测在提高能量利用效率、降低机房空调耗电量方面具有重要意义。RBF神经网络广泛用于温度预测领域,考虑到传统RBF神经网络无法对影响温度的众多因子进行确定和选择,本文提出了一种将云模型和RBF神经网络结合的新模型。通过高维云变换确定RBF隐含层神经元,使RBF神经网络充分表达影响温度各因子的不确定性,进一步优化RBF神经网络结构。实验结果表明,该模型能较好地实现对数据中心温度的预测。

基于频谱与轴心轨迹图的汽轮机RBF神经网络故障诊断研究

通过对比频谱分析的汽轮机故障诊断技术,提出一种频谱与轴心位置相结合的基于RBF网络的故障诊断方法,并且通过ZT-3转子模拟试验台得出的试验数据和轴心轨迹图作为训练样本,对RBF网络的故障诊断方式进行仿真.

基于人工免疫系统与RBF的混合算法实现模式分类

提出了一种基于人工免疫系统与RBF的混合算法.该算法由两个阶段组成:第一阶段采用人工免疫机制来确定RBF网络隐层的聚类中心的位置和数量。第二阶段求输出层的权值W,最后用模式分类作试验,实验结果表明,该算法具有收敛速度快,泛化能力强的特点。

采用中心聚类与PSO的RBF网络设计方法

基于中心聚类法与微粒群(PSO)优化方法,提出一种径向基函数(RBF)网络的设计算法。算法采用中心聚类方法对输入样本数据进行聚类处理,自适应地确定RBF网络隐含层的初始参数;利用修正全局最优解计算方法的经典PSO算法优化RBF网络隐含层参数,进一步修正网络结构参数;输出层权值采用带遗忘因子的递推最小二乘算法在线更新。采用该方法建立炼铁过程中烧结矿成分与转鼓强度关系的预测模型,并用现场数据加以验证;实验结果表明该方法收敛速度快,所建立的模型具有较高的预测精度,可用于复杂非线性系统建模。

用RBF网络拟合船舶型线

采用ＲＢＦ神经网络拟合船舶型线，提出了适合船舶型线拟合的ＲＢＦ中心点集的选取方式，与ＢＰ网络相比大大提高了学习速度和精度，用幂函数和圆函数检验本方法拟合曲线的精度，充分证明本方法拟合船舶型线是实用可行的．文中给出了拟合某船舶横剖线的实例．

开挖期深基坑变形RBF模型的输入层及中心确定

针对深基坑变形RBF神经网络监测模型,根据在开挖期间深基坑土体的变形特性,利用遗传蠕变来构造输入因子,鉴于目前在中心选择方面没有严格的理论依据,并充分考虑输入因子的特点,提出了一种选择中心的经验方法,经过实例检验,该方法选择中心可以使模型得到较好的预测效果。

免疫算法优化的RBF在入侵检测中的应用

RBF(Radical Basis Function)神经网络是一种典型的三层前向神经网络。虽然RBF神经网络的非线性逼近能力、分类能力以及学习速度都要好于其他的神经网络,但是RBF神经网络在实际应用中隐含层中心点难求,不能被广泛地应用于入侵检测系统中。免疫算法是基于免疫系统的学习算法,免疫算法不仅对干扰具有较强维持系统平衡的能力,而且具有较强的模式分类能力。为了得到最优的RBF神经网络并将其应用到入侵检测系统中,提出了一种免疫算法优化的基于最小均方差的联合RBF神经网络,即IA-LMS-RBF算法。仿真实验结果表明,与传统的K-means和随机法选取基函数中心点相比,基于免疫算法求取中心点的LMS-RBF神经网络,不仅能明显地提高对已知攻击的检测能力,并且对于未知的攻击行为也能很好地进行识别。IA-LMS-RBF算法有效提高了入侵检测系统的效率,保证了计算机系统的安全性。

改进RBF神经网络在泵站机组故障诊断中的应用

泵站机组故障诊断是指在一定的工作环境下查明机组系统某种功能失调的原因或性质,判断劣化状态的部位或部件,以及预测状态劣化的发展趋势等。本文利用改进的RBF神经网络,对经过不变矩处理的轴心轨迹特征参数进行了故障模式的自动识别,针对RBF神经网络径向基函数中心的选取问题,提出了改进OLS中心选取算法。仿真结果验证了该方法的可行性。

超平面中心的RBF神经网络及其新方法

在传统的径向基神经网络框架的基础上,通过引入中心超平面的概念,提出了超平面中心的径向基函数神经网络。在此网络中以点到中心超平面的距离代替传统的径向基神经网络中点到点的距离,其优势在于中心超平面作为数据中心包含了更多原始数据之间的信息。以函数逼近和数据分类的实验为例,证明了超平面中心的径向基神经网络相对于传统的网络有一定的优势。

一种改进的RBF神经网络DOA估计方法

提出一种优化径向基函数神经网络来波方位(DOA)估计模型结构和参数的方法。利用误差准则函数的收敛性,合理确定模型的隐层神经元数目,根据阵列信号相位差特征的空间分布特点,选择具有代表性的隐层神经元的中心,构建的RBF神经网络更能反映阵列的测向能力。相比于目前的径向基函数神经网络测向模型的构建方法,改进的DOA估计模型具有更好的泛化性能,能够提高测向精度。实验结果验证了该方法的有效性。

一种改进的动态聚类非线性系统辨识算法

对RBF网络中几种常用的聚类算法进行比较,分析了各种方法的优缺点,针对动态聚类法进行了改进,其最突出的缺点是距离门限值固定不变,不适于样本分布密度差异较大的数据集。在改进算法中,首先定义所有样本间的平均距离为聚类门限初值,按照奖罚制度动态调节各中心的距离门限值,然后对所有样本进行动态聚类,以输入样本的平均值作为聚类中心,用最小二乘法求的输出层权值。该算法具有在线自适应聚类能力,所得到的RBF网络是最优的。最后通过著名的煤气炉数据验证了该方法的有效性与实用性。

径向基神经网络的大桥形变预测

为解决由于材料老化、疲劳效应、荷载作用和环境变化等多种因素造成的大桥基础及上部结构形变影响,必须对大桥形变及其影响因素进行监测.针对大桥形变影响因素复杂多变的特点,采用径向基神经网络形变预测模型,推导了网络参数的改进算法,利用大桥实际监测数据,建立了径向基网络形变预测模型.研究结果表明:该方法在水平方向和垂直方向均能够达到4 mm以内的形变预测精度,能够为大桥的安全运行提供保障.

面向建设国家中心城市的智慧武汉发展评价及模式优化:理论与实证

智慧城市为现代化城市发展提供更优解决方案。本文构建基于创新驱动、智慧经济辐射、智能基础设施与枢纽、智慧信息服务、智慧交通枢纽、全球网络与国际化竞争、个性化发展七维度Factor-RBF神经网络评价模型,实证分析了面向建设国家中心城市的智慧武汉发展模式。结果表明:智慧武汉由要素驱动转向创新驱动发展;智慧产业以高新开发区为载体快速集聚发展并促进城市"中心-外围"辐射效应;智能基础设施滞后与智慧信息枢纽需求增长非均衡发展;智慧应用体系与城市服务融合不足;区位优势因缺乏运输体系协调与智慧化枢纽升级而在全球网络中节点弱连接。鉴于此进一步提出涵盖四个实施阶段与五条优化对策的智慧武汉发展模式优化框架,为实现具有控制、辐射、枢纽与服务功能的国家中心城市战略目标提供决策参考与实践指导。