一类随机时延网络控制系统的神经网络自适应容错控制

针对一类随机时延网络控制系统,提出一种基于RBF神经网络自适应动态补偿的容错控制策略.该方法通过在线估计时延将系统建模为随机切换系统,并在模型参考自适应方法的基础上设计RBF神经网络动态补偿容错控制器,利用Lyapunov稳定性理论给出神经网络补偿器的在线权值学习算法,以保证网络控制系统在故障情况下的跟踪性能和状态一致最终有界稳定.最后通过仿真验证了该方法的有效性.     

模糊RBF神经网络在音频零水印中的应用

针对当前零水印不能"嵌入"有意义水印的不足,构建了在小波域中基于神经网络的零水印系统,提出了一种基于模糊RBF神经网络的音频零水印方案,有效解决了音频水印的鲁棒性与透明性之间的矛盾.模糊神经网络模糊系统的隶属度函数和推理规则决定RBF神经网络的结构和学习算法.因为水印方案不改变原始音频数据,所以具有良好的透明性,实验结果表明,方案具有很强的鲁棒性.     

基于模糊与神经网络技术的复杂非线性跟踪控制

针对一类具有不确定性、多重时延和状态未知的复杂非线性系统,把模糊T-S模型和RBF神经网络结合起来,提出了一种基于观测器的跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态,并由线性矩阵不等式得到模糊模型的控制律;其次,构建了自适应RBF神经网络,应用自适应RBF神经网络作为补偿器来补偿建模误差和不确定非线性部分.证明了闭环系统满足期望的跟踪性能.示例仿真结果表明了该方案的有效性.     

混合优化RBF-BP网络的板形缺陷识别

针对传统板形模式识别方法存在精度低、鲁棒性弱的问题,提出了一种混合优化RBF-BP组合神经网络板形模式识别方法。首先利用自组织映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定RBF的中心,并计算RBF的宽度,克服了传统聚类算法随机选取中心导致聚类结果不稳定的问题。然后利用遗传算法(GA)良好的全局搜索能力优化整个网络的权值。RBF-BP组合神经网络是由一个RBF子网和一BP子网串联构成的,该网络同时具备BP神经网络能较好地预测未知样本的能力以及RBF神经网络的逼近速度快的优点。并以某900HC可逆冷轧机板形识别为应用背景,在MATLAB2010a环境下进行仿真实验,结果表明混合优化RBF-BP组合神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形缺陷识别精度并具有较好的鲁棒性,可以满足板带轧机高精度的板形控制要求。     

基于RN和GN的两种RBF神经网络的工程造价预测模型

建立了调用NEWRB函数的正规化网络RN和基于K-means聚类的广义网络GN的两种RBF‘神经网络的工程造价预测模型,以55个厦门市工程造价案例进行实证分析.结果表明:当调用NEWRB函数构建RBF模型时,其性能主要取决于分布宽度,而基于K-means聚类的RBF神经网络主要取决于重叠系数和隐含层节点数;基于广义网络GN的RBF神经网络模型的训练效果较差,但学习速度更快、预测精度更高.     

基于径向基神经网络的盐水中CO_2溶解度模型

确定盐水中CO_2的溶解量对CO_2地质封存潜力和外溢风险评估至关重要,经典溶解度模型建立在热力学平衡定律上,具有一定的限制性,而RBF径向基人工神经网络具有很强的泛化能力,能够关联复杂变量之间的映射关系.利用收集到的实验数据建立了RBF神经网络用于预测盐水中CO_2的溶解度,和之前已经建立的BP神经网络模型对比,将实验数据、RBF神经网络模型、BP神经网络预测结果、PR-DUAN模型以及亨利定律计算值做了对比,为确定盐水中CO_2的溶解度提供了一种新的RBF神经网络预测模型.     

基于LASSO的神经网络权值阈值优化方法

本文在LASSO方法和神经网络误差回传思想的基础上,建立LASSO-BP算法.与BP神经网络算法和RBF径向基网络算法比较,该算法具有耗时短,抗干扰能力强的优点以及更好的分类效果.最终我们通过数值实验对该算法进行了验证.     

一类RBF模糊神经网络的逼近性研究

本文将RBF神经网络的输入、权值以及径向基函数设为折线模糊数,构造了一类折线RBF模糊神经网络.以三角模糊数为例,讨论了折线RBF模糊神经网络的参数训练方法,通过实例验证了该网络对模糊值函数的逼近性能.     

未确知RBF神经网络及其在故障诊断中的应用

建立未确知RBF神经网络.特点是:综合了未确知系统与神经网络的优点,充分利用已知样本所提供的先验信息,给出了期望输出隶属度的计算方法,网络输出合理且具有良好的可解释性.将未确知RBF神经网络应用于故障诊断领域,取得了很好的效果.     

基于GAAA-RBF神经网络的工程估价方法

利用遗传-蚁群混合算法(GAAA),对RBF神经网络的主要结构参数中心矢量、基宽向量和网络权重进行组合优化,建立了GAAA-RBF神经网络组合算法的工程估价模型.将55个工程造价案例,随机抽取10个作为预测样本,剩下的45个作为训练样本.通过与相同结构的RBF神经网络相比较,结果表明算法克服了RBF神经网络易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了工程造价的预测精度.