基于径向基概率神经网络模型的小儿厌食症辅助诊断

结合了径向基神经网络较强模式分类能力与概率神经网络运算简单的优点，提出了一种径向基概率神经网络模型，并应用于小儿厌食症的辅助诊断，通过对119例样本数据的处理，获得了92．4％的准确率．此外，偏最小二乘法的分析结果表明，Zn元素与小儿厌食症关系最为紧密．     

径向基概率神经网络的结构优化算法研究

径向基概率神经网络（RBPNN）是在径向基函数神经网络（RBFNN）和概率神经网络（PNN）的基础上发展起来的一种新型的前馈神经网络（FNN）模型。该网络模型充分吸收了径向基函数神经网络和概率神经网络的优点,这种新的模型具有计算复杂度低、收敛速度快等优点。本文深入研究了径向基概率神经网络的结构优化算法,在遗传结构优化方法的基础上,提出一种新的两步学习算法,基于遗传算法的梯度学习算法。该算法一方面优化了网络结构,使网络结构尽可能的精简,另一方面有效地提高了网络的推广能力。     

基于径向基函数概率神经网络的心律失常自动识别

讨论了基于径向基函数（ＲＢＦ）的概率神经网络的基本网络结构和网络的学习和运行过程,并且与ＢＰ算法的径向基神经网络进行了对比,同时也测试了网络的容错能力,结果表明,基于ＲＢＦ的概率神经网络,学习速度大大提高,同时减小了ＢＰ陷入局部极小的问题,有一定的抗噪声能力,基于ＲＢＦ的概率神经网络模型在心律失常自动识别中获得了很好的应用。     

基于分级偏最小二乘回归的径向基函数神经网络

为提高径向基函数神经网络的泛化性能,提出一种利用分级偏最小二乘回归方法构造径向基函数神经网络的方法,逐步增加网络中的隐节点数直至达到合适的网络规模,消除了训练数据中存在的多重共线性对网络泛化能力的不利影响.所得径向基函数神经网络的泛化能力比偏最小二乘回归构造的径向基函数神经网络提高了约30%.船舶航向跟踪预测控制仿真验证了该算法的可行性和有效性.     

基于径向基函数神经网络的热工过程模型辨识

为了准确反映热工过程动态特性,实现热工过程整体优化控制,提出了一类新的径向基函数神经网络(RBF-NN)的建模方法:采用熵方法和竞争学习算法,结合非线性自回归滑动平均(NARMA)模型的输入/输出结构实现RBF-NN的优化,辨识RBF-NN结构,并用最小二乘算法(LS)确定权向量,实现了典型的非线性热工过程建模。通过两个实例验证:基于NARMA结构的RBF-NN建模,具有较高的辨识精度和较少的隐层节点。     

径向基函数神经网络逼近空调管路温漂趋势的研究

针对空调管路的应变测试数据会随环境温度而产生漂移的现象,根据应变电测法,提出了基于径向基函数(RBF)神经网络拟合逼近管路真实应变值的方法,即结合正则化正交最小二乘法,逼近现实中由温度引起的漂移,间接求出空调管路较为真实的交变应变值.实验结果表明该方法是可靠的.     

基于正交最小二乘法的径向基神经网络模型

为提高神经网络模型的预测精度以及提高模型的计算效率,减少获得高精度模型的计算量,构建了基于正交最小二乘法的高斯径向基神经网络模型结构,给出了最小二乘法高斯径向基神经网络的递归模型.依据样本点序列信息,给出了高斯径向基函数中心参数的确定方法,并采用正交最小二乘法回归迭代,从而获得隐层同输出层间的连接权参数值.采用混沌Lorenz时间序列预测问题对该设计的网络模型进行验证,并同其他文献对该序列预测的精度以及迭代所需的时间作对比.结果表明,采用该设计方法获得的网络模型具有时间预测精度高及计算效率高等优点.     

基于改进免疫算法的两级径向基函数网络学习方法

结合改进的免疫算法和最小二乘法，提出了一种设计径向基函数(RBF)网络的两级学习方法。该方法利用免疫算法确定RBF网络隐层的非线性参数，能够有效克服进化算法的未成熟收敛现象。改进的免疫算法针对RBF网络的特点，采用基于矢量距离的亲和度计算方法，克服了原有基于信息熵计算方法存在的计算复杂、参数难于确定的缺陷。将这种方法设计的RBF网络用于Mackey-Glass混沌序列预测的仿真实验证明了该方法的有效性。     

基于径向基概率神经网络和逐步判别分析法的室内空气品质双核评价模型

选取甲醛、CO2，CO，NOx，SO2．可吸入颗粒，空气细菌数作为室内空气品质评价指标，利用径向基概率神经网络和逐步判别分析法建立了相互校正的双核评价模型。该双核模型综合了机理分析与模式识别，具有很强的泛化能力和自适应性，同时又有较高的正确率和较快的评价速度，适用于实时分析和控制。最后通过具体实例的应用，证明了模型的合理性与可行性。     

径向基概率神经网络结构的遗传优化

运用遗传算法(GA)来优化设计径向基概率神经网络(RBPNN)结构，优选了隐中心矢量和优化求取对应的核函数控制参数．提出的染色体编码方式，充分体现了所选隐中心矢量在模式样本空间中的数量及位置分布，同时还包含了相适应的棱函数控耕参数信息．新构造的适应度函数不仅有效地控制了网络输出的误差精度，而且还能够使得RBPNN结构优化趋于最简．将IRIS分类问题用于检验该算法的有效性并与ROLSA和MKM进行了比较研究，结果表明，GA的优化效率最高，而且GA优化后的RBPNN在推广能力方面也没有明显下降．     

基于径向基函数神经网络的工程造价估算

提出了一种更有效的前向网络——径向基函数(RBF)神经网络,以多、高层办公楼为例,建立了工程造价的估算模型,运用MATLAB语言程序实现,同时采用同样的样本对BP网络进行训练,两者结果比较表明,这种方法弥补了BP网络存在的收敛速度慢,易陷入局部最优等缺陷,从而大大提高了其实用性,是对造价估算方式的又一新的尝试。     

基于径向基函数神经网络的功率器件集总参数热模型

功率器件易发生热击穿故障,为准确估计其运行温度,需建立器件的热分析模型。然而,当多个功率器件排布距离较近时,器件间的热耦合作用会导致模型中的热参数难以获取。为此,引入导热时间常数τ和温升变化率k两个热参数,建立了功率器件集总参数热模型;并提出通过径向基函数神经网络,对参数τ和k进行估计,克服模型热参数难以获取的问题。以单相全桥电路为对象,通过温升实验,对所提功率器件热模型的有效性进行了验证。     

基于径向基神经网络的有限元模型修正研究

模型修正属于反问题的一种,针对其非线性、计算量大等不足之处,提出一种基于径向基神经网络的有限元模型修正方法,并把反问题归结为正问题进行研究。该方法将特征量作为自变量输入、设计参数作为因变量输出,用试验设计构造样本,以径向基神经网络逼近两者之间的非线性映射关系,利用神经网络的泛化特性直接输出设计参数的修正值。某空间钢结构模型的计算结果验证了该方法的有效性。     

一种基于覆盖超球算法的径向基概率神经网络结构优化

介绍了径向基概率神经网络(RBPNN)的一种启发式结构优化算法.该算法首先提出一种移动平均中心超球覆盖算法,并用于初选径向基概率神经网络的隐中心矢量,然后使用遗传算法进一步优选隐中心矢量,同时优化核函数控制参数.实验结果表明,该算法在实际应用中能够加快优化速度,降低计算复杂度,有效地简化RBPNN模型的结构.     

RBF网络在交通流模型辨识中的应用

利用径向基函数 (RBF)人工神经网络来逼近已知的交通流非线性解析模型 ,讨论了高速公路交通流模型的辨识问题。提出了一种带反馈的 RBF网络模型 ,讨论了其训练算法。算法分两步实现 ,第一步利用一种改进的聚类分析方法确定隐层节点核函数的中心点 ,第二步用最小二乘法确定从隐层到输出层的连接权。最后将训练好的网络模型和给定的解析模型同时进行仿真计算 ,得出了当某路段出现突发性交通事故时交通流密度和平均速度的变化曲线。仿真结果说明 RBF神经网络模型的训练速度快和辨识精度还是令人满意的     

基于径向基函数神经网络的胎儿心电提取

针对胎儿心电难以提取问题,提出一种从母体腹壁混合信号中提取胎儿心电的方法.利用径向基函数(radial basis function,RBF)神经网络估计母体心电信号传导至腹壁的非线性变换,将非线性变换后的母体心电信号从腹壁混合信号中减去,再通过小波包去噪技术抑制胎儿心电的基线漂移和噪声,得到清晰的胎儿心电.应用临床心电数据完成实验,在胎儿心电和母体心电QRS波完全重叠情况下,提取出清晰的胎儿心电.实验结果验证了方法的有效性.     

基于径向基神经网络的思南县崩塌易发性评价

贵州省思南县境内崩塌地质灾害较为发育,通过对县域崩塌易发性进行预测,可准确获取崩塌地质灾害分布规律,为国土部门开展崩塌防治提供科学指导。因此,首先采用遥感和地理信息系统等技术,对思南县的自然地理和地质条件等因素进行分析;再采用频率比分析和相关系数分析法,建立崩塌地质灾害与基础影响因子之间的非线性响应关系;最后,首次提出一种典型的机器学习:径向基神经网络模型,对思南县崩塌易发性进行预测并绘图。结果表明:径向基神经网络预测思南县的崩塌易发性的准确率(AUC曲线)达到0.945,非常准确地预测出了思南县崩塌地灾的分布规律。且崩塌易发性分布图显示极高、高、中等、低和极低易发区面积占县域总面积的比值分别为13.06%、14.08%、25.41%、23.68%和23.77%。     

径向基函数网络在形状识别中的应用

径向基函数神经网络是一种应用相当广泛的神经网络。文章对径向基函数网络的基本原理、网络结构和学习算法进行了介绍,根据径向基函数网络的特点将其应用到形状识别领域,并通过MATLAB平台编程实现其算法。实验结果证明网络初始中心和样本数目的选择对识别结果影响较大;在初始中心选择相同的情况下,实验样本数目越多,识别结果越好;在达到一定数目后,识别正确率趋于稳定。