墙面涂料的显微共聚焦喇曼光谱无损鉴别

为了实现对墙面涂料物证的无损鉴别,提出了显微共聚焦喇曼光谱技术结合多元建模分析的无损鉴别墙面涂料方法.采用不同Savitzky-Golay(SG)平滑多项式次数及平滑点数对分类模型准确率的影响进行预处理,同时比较了不同分类模型的区分能力.结果表明,相较于径向基函数神经网络模型,多层感知器神经网络模型对各样本的区分能力更...     

基于径向基函数神经网络的内模控制

文章用径向基神经网络设计内模控制系统,径向基神经网络是通过调整隐层与输出层间的连接权系数来逼近函数,如果隐层神经元数目过少,难免会出现收敛时间长,控制质量差,甚至发散的现象。为此,本文提出了增加调整基函数形状参数和中心向量的方法予以避免,并证明了网络不同调整参量收敛于目标函数极小点的性质。     

基于递归正交最小二乘的径向基函数网络人脸识别

本文提出了一种基于递归正交最小二乘的径向基函数(RBF)网络人脸识别算法,该算法首先使用主成分分析(PCA)提取输入图像特征,将提取的特征作为RBF网络的输入进行识别,在求取网络权值时采用递归正交最小二乘(ROLS)算法。实验表明,该算法能明显地缩短训练时间同时具有较高的识别率。     

基于特征波段-Fisher-K近邻的木器漆拉曼光谱的快速无损鉴别

为了实现木器漆的快速无损检测以及精确识别与分类,采集并获取了晨阳等3种品牌木器漆样本的拉曼光谱,并考察了基线校正、Savitzky-Golay九点平滑法、一阶导数和二阶导数等不同预处理方法的处理效果,建立了特征波段比值、Fisher判别、K近邻(KNN)模型。结果表明:特征波段比值法能以1358cm-1/1239cm-1表征3种木器漆的特征;基于Fisher判别的基线校正、平滑和二阶导数处理的拉曼光谱模型的分类准确率最高,能实现100%区分;在相同的预处理下,KNN判别模型的准确率仅为88.5%。基于二阶导数的拉曼光谱结合特征波段-FisherKNN法能为不同品牌木器漆的准确检测提供一种新的快速无损分析手段,具有普适性和一定的借鉴意义。     

基于广义径向基函数神经网络的非线性时间序列预测器

该文对传统的径向基函数（ＲＢＦ）神经网络的结构和学习算法进行了总结,并在此基础上提出了广义径向基函数模型概念,使这种网络具有更好的应用灵活性与可扩充性。文章基于Ｍａｃｋｅｙ－Ｇｌａｓｓ造血模型方程的数值解数据,对此广义模型与现有的ＲＢＦ模型和梯度径向基函数（ＧＲＢＦ）模型对一笥时间序列预测问题的应用结果进行了比较与讨论,显示出这种广义模型的应用有效性。     

基于径向基函数的电网IT资产安全漏洞监测方法

文章基于神经网络的非线性映射优势,引入径向基函数而提出了一种高效的电网IT资产安全漏洞监测方法。借助径向基函数能够更加准确地对目标区域内的资产分布进行了解,进而提高漏洞风险评估以及其影响涉及范围确定的可靠性和精度。     

基于CMOS模拟电路的径向基函数神经网络

提出了可构成径向基函数(RBF)神经网络的CMOS模拟单元电路,包括绝对值电路、电流求均方根电路和类高斯函数电路.基于这些电路设计了一个二输入/一输出,含有两个隐层神经元的径向基函数神经网络,并通过异或问题进行了验证.所有单元均采用HJTC 0.18μm CMOS数模混合工艺制造,芯片面积为200μm×150μm,功耗约为100μW.芯片测试结果表明:提出的单元电路结构简单,功耗低,便于扩展和调节,因而为硬件实现径向基函数神经网络的片上学习提供了可     

基于CMOS模拟电路的径向基函数神经网络

提出了可构成径向基函数(RBF)神经网络的CMOS模拟单元电路,包括绝对值电路、电流求均方根电路和类高斯函数电路.基于这些电路设计了一个二输入/一输出,含有两个隐层神经元的径向基函数神经网络,并通过异或问题进行了验证.所有单元均采用HJTC 0.18μm CMOS数模混合工艺制造,芯片面积为200μm×150μm,功耗约为100μW.芯片测试结果表明:提出的单元电路结构简单,功耗低,便于扩展和调节,因而为硬件实现径向基函数神经网络的片上学习提供了可     

基于有限状态径向基函数网络的汉语语音识别研究

本文提出了有限状态径向基函数网络结构，它可用Ｋ－均值聚类算法和最小二乘算法分层独立训练，训练速度快。通过汉语语音识别实验，研究了ＦＳＲＢＦ网及子网的特性。结果表明，ＦＳＲＢＦ结构很适于处理时序信息，易于推广到其他识别单元的系统中。     

基于RBF神经网络的人类活动识别

为了实现对智能家居中人类日常生活活动（ADLS）的识别,将使用径向基函数RBF神经网络来进行人类活动的识别.并使用志愿者在智能家居试验台执行活动搜集到的数据对算法的准确率进行评估.实验结果表明,选择合适的特征量和参数,相比于隐含马尔科夫模型径向基函数神经网络人类活动的识别方面显示了较高的准确率.     

基于自适应参数的径向基函数相位解缠算法

为了改进基于径向基函数的相位解缠(RBFPU)算法 ,针对不同的缠绕图, 提出了一种自适应参数的RBFPU(ADRBFPU)算法:先对图像进行分块 ,然后按照各块的图像复杂度确定对应的径向基函数的宽度。实验结果表明,在不同噪声水 平下,与经典RBFPU算法及经典的质量图导向(QGPU)法和图割(PUMA)法等相比,本文算法具 有更好的鲁棒性。     

基于改进的径向基函数神经网络的辐射源算法研究

多传感器数据融合系统中辐射源识别技术占有重要的位置。本文结合改进的径向基网络给出了辐射源算法的实现结构。结合辐射源预分的数据特点对径向基中高斯核函数进行了修改,使得在不对处理样本初始化的条件下仍有很好的预分效果,预分后采用模糊匹配的方法,完成辐射源的识别。     

An improved radial basis function based method for image warping

A new image warping method is proposed in this letter, which can warp a given image by some manual defined features. Based on the radial basis interpolation function algorithm, the proposed method can transform the original optimized problem into nonsingular linear problem by adding one-order term and affine differentiable condition. This linear system can get the steady unique solution by choosing suitable kernel function. Furthermore, the proposed method demonstrates how to set up the radial basis function in the target image so as to achieve supports to adopt the backward re-sampling technology accordingly which could gain the very slippery warping image. The experimental result shows that the proposed method can implement smooth and gradual image warping with multi-anchor points‘ accurate interpolation.     

基于幅度谱编码的基函数生成算法性能分析

通过对变换域通信系统的基函数生成算法的研究,在传统的使用一维伪随机( PN )序列对相位进行随机化方法的基础上,提出了一种新的基于随机幅度谱编码的算法用于基函数生成：用另一个一维PN序列与基函数的幅度谱向量进行点乘,对其随机化处理,该方法生成的基函数较传统的一维PN序列方法产生的基函数的随机性提高N( N为基函数长度)倍,大大增强了系统的抗截获能力和多址容量;最后对系统的误码率进行了仿真,验证了该方法可以提高多址通信时的系统性能。     

基于幅度谱编码的基函数生成算法性能分析

通过对变换域通信系统的基函数生成算法的研究,在传统的使用一维伪随机（PN）序列对相位进行随机化方法的基础上,提出了一种新的基于随机幅度谱编码的算法用于基函数生成：用另一个一维PN序列与基函数的幅度谱向量进行点乘,对其随机化处理,该方法生成的基函数较传统的一维PN序列方法产生的基函数的随机性提高N（N为基函数长度）倍,大大增强了系统的抗截获能力和多址容量;最后对系统的误码率进行了仿真,验证了该方法可以提高多址通信时的系统性能。     

基于径向基函数神经网络的模拟/混合电路故障诊断

径向基函数神经网络是一种前馈型神经网络,具有较强的函数逼近能力和分类能力,学习速度快等优点.本文采用幅值恒定的正弦信号源进行模拟电路的故障仿真,从频域提取输出信号波形的特征值建立故障字典,应用径向基函数神经网络的这些优点进行响应分析和故障诊断,能够实现快速故障诊断及定位,具有准确率高的特点.     

Optical flow estimation and moving object segmentation based onmedian radial basis function network

Various approaches have been proposed for simultaneous optical flow estimation and segmentation in image sequences. In this study, the moving scene is decomposed into different regions with respect to their motion, by means of a pattern recognition scheme. The inputs of the proposed scheme are the feature vectors representing still image and motion information. Each class corresponds to a moving object. The classifier employed is the median radial basis function (MRBF) neural network. An error criterion function derived from the probability estimation theory and expressed as a function of the moving scene model is used as the cost function. Each basis function is activated by a certain image region. Marginal median and median of the absolute deviations from the median (MAD) estimators are employed for estimating the basis function parameters. The image regions associated with the basis functions are merged by the output units in order to identify moving objects.     

Flood forecasting using radial basis function neural networks

A radial basis function (RBF) neural network (NN) is proposed to develop a rainfall-runoff model for three-hour-ahead flood forecasting. For faster training speed, the RBF NN employs a hybrid two-stage learning scheme. During the first stage, unsupervised learning, fuzzy min-max clustering is introduced to determine the characteristics of the nonlinear RBFs. In the second stage, supervised learning, multivariate linear regression is used to determine the weights between the hidden and output layers. The rainfall-runoff relation can be considered as a linear combination of some nonlinear RBFs. Rainfall and runoff events of the Lanyoung River collected during typhoons are used to train, validate,and test the network. The results show that the RBF NN can be considered a suitable technique for predicting flood flow     

粒子群RBF神经网络电力电子电路故障诊断

为检测和诊断电力电子电路中的故障,获得更高的诊断精确度,提出粒子群算法优化RBF神经网络的故障诊断方法.与基本RBF神经网络相比,粒子群RBF神经网络可以提高系统的收敛速度和精度.把通过特征提取获得的电力电子电路故障特征量作为神经网络的输入,利用训练好的粒子群优化后的RBF神经网络进行故障诊断.仿真结果表明,实际输出与期望输出基本吻合,具有良好的分类效果,能够提高诊断精确度,对于电力电子电路的故障诊断是一种有效的方法.