比较BP神经网络和RBF神经网络在基金净值预测中的应用

基金市场的活跃程度直接影响基金净值的变动,市场内部的影响因素具有较强的非线性特征,神经网络模型强大的非线性处理功能能够更为精准地预测基金净值的走势.本文采用BP神经网络和RBF神经网络对华夏成长基金进行实证分析,比较2种方法的预测精度.实证结果表明:RBF神经网络的仿真结果与真实值匹配程度较好,具有更高的预测精度.     

一种雾天彩色图像复原快速方法研究

暗通道优先法则在处理自然雾天图像方面取得了非常好的效果,但是该方法需要消耗大量的存储和计算时间。提出了一种改进的雾天彩色图像增强快速方法。首先,根据雾天图像模型和先验知识,计算雾天图像的暗通道先验值;并估算初始透射率图像和大气光。然后利用数学形态学方法对初始透射率图像进行处理得到优化的透射率图;并根据这个优化透射率图、大气光和原始雾天图像计算去雾图像。最后利用gama校正获得最终的彩色增强图像。仿真实验结果表明本文提出的方法能较好地对雾天彩色图像进行去雾处理,且计算速度较快。相比于基于暗原色先验的单一图像去雾方法,图像尺寸越大,该方法的计算效率越高,计算时间优势越明显。     

RBF神经网络理论及其在控制中的应用

对RBF神经网络的结构和函数逼近理论进行了综述，最后提出了RBF网络在控制中的研究及应用。     

改进型RBF神经网络在系统建模中的应用

提出了一种新的RBF神经网络的设计方法,采用遗传-K均值聚类算法对RBF神经网络的隐层节点中心值进行优选,用遗传算法训练RBF神经网络的权值。以锅炉燃烧为实例,通过从现场采集的数据建立神经网络模型,使用改进的算法建立系统的神经网络模型,结果证明了该方法的有效性。     

RBF神经网络在有效灌溉面积预测中的应用

针对有效灌溉面积预测是一个复杂和不确定性的系统,采用RBF神经网络建立有效灌溉面积预测模型,具有结构自适应、局部泛化能力强、收敛速度快等特点。仿真结果表明,该模型具有较高的预测效果,相对于传统模型具有较好的预测精度和良好的自适应性。     

RBF神经网络在小儿厌食症的辅助诊断中的应用

RBF神经网络是神经网络的一种,作为一种非传统、非线性、多变量的分析方法可应用于临床疾病的辅助诊断,其判别效果比传统的多元分析法要好。神经网络用于医疗诊断通过对已确诊病例的学习取得知识和经验,并按自联想推理产生诊断输出,这是一般的医疗专家系统作不到的。本文讨论RBF神经网络用于小儿厌食的辅助诊断和预测。     

RBF神经网络在供应链风险预警中的应用

本文对径向基函数神经网络在供应链风险预警中的应用进行了研究。用专家决策法提取衡量供应链风险的参数,提出了一种应用于模式识别的RBF供应链风险预警方法,然后分析了另一种神经网络——学习矢量量化网络LVQ对供应链风险预警的效果,将它们的训练速度和分类精度进行了比较。实验结果表明,采用RBF神经网络比LVQ神经网络的分类速度更快、精度更高,更有效的被应用于供应链风险预警中。     

RBF神经网络在安徽省固定资产投资总额预测中的应用

利用先进的径向基函数(RBF)神经网络,对安徽省固定资产投资进行了实证预测研究.结果表明,利用RBF网络建立的固定资产投资预测模型经过训练后,可得到较精确的预测结果,并具有较强的适应性.     

RBF神经网络在复合地基承载力预测中的应用

利用径向基函数(RBF)神经网络,建立复合地基承载力预测模型,有效解决复合地基承载力预测中的非线性问题.以历史数据为依据,对所建立的RBF神经网络预测模型进行模拟和检验.实例结果表明:应用RBF神经网络所建立的复合地基承载力预测模型,能真实地表达要素之间的高度非线性关系,具有较高的预测精度和较强的实际应用价值.     

RBF神经网络在盘式制动器控制系统中的应用

针对盘式制动器控制系统存在的非线性特性,提出了一种基于R BF神经网络的智能控制方法.在常规PID控制器的基础上,利用神经网络对控制器参数进行在线自适应整定,从而实现系统的智能控制.该系统利用可编程序控制器S7-200作为主控制器,配合液压站实现了对带式输送机制动器的控制.仿真结果表明,该系统比传统的PID控制具有更快的响应速度和更高的稳定性及控制精度.     

神经网络在图象复原中的应用

介绍了传统图象复原方法的一些缺陷和神经网络的优良特性，讨论了神经网络在图象复原中的应用，并对基于Hopfield神经网络和多层感知器的两类图象复原方法进行了较深入的探索。     

基于神经网络的降质图像恢复

以基于离散Hopfield神经网络的图像恢复模型为基础,研究基于神经网络解决降质图像恢复问题. 从Toeplitz循环矩阵和模拟退火算法等二个方面对该算法进行改进,使时间复杂度和空间复杂度大大降低,同时提高了图像的恢复效果. 实验表明,改进算法对于降质图像恢复是有效的,比传统的逆滤波、维纳滤波方法具有更好的峰值信噪比.     

改进RBF神经网络在降水量预测中的应用

采用遗传算法对RBF网络的隐层节点中心值和宽度进行优化,用梯度下降法求出权值.将其应用于降水量预测中,取得较为满意的结果,证明该算法的有效性.     

改进的RBF神经元网络及其应用

总结和改进了ＲＢＦ网络的结构和学习算法，并利用改进的ＲＢＦ网络对化工中的精馏塔系统进行建模研究，仿真可知效果较好．     

RBF神经网络主成分分析法在交通量预测中应用

文章基于径向基函数(RBF)神经网络应用于交通量预测时,如果输入空间严重自相关及网络维数较高时,RBF神经网络的预测精度会下降这一问题,提出了一种改进的RBF神经网络主成分分析法。用实例证明,该方法在模拟预测中与一般的RBF神经网络模型相比有较好的效果。     

RBF网络在熔窑控制系统中的应用研究

主要针对熔窑温度表现出的非线性、慢时变、大迟延和不确定性等特点,根据径向基函数神经网络具有可以逼近任意非线性映射、较快的学习速度并避免局部极小问题的能力,将RBF网络用于熔窑温度过程非线性模型的在线辨识,仿真结果表明能较好地跟踪温度的实际输出数据,具有较高的学习精度.     

RBF神经网络在煤的热解特性研究中的应用

在MATLAB5．3环境下，利用神经网络工具箱中的RBF神经网络算法，通过煤的元素分析和工业分析对煤的热解特性进行了研究，对热解析温度T1，最大反应速度对应的温度T1max，热解前期热解量G1以及热解完成时间 t进行了预报，预测结果表明用RBF神经网络来研究煤的热解特性，可以达到较高精度，是一种很好的研究方法。     

RBF神经网络非对称损失改进及应用

针对应用RBF（Radial Basis Function）神经网络信用评分中存在的第Ⅰ类错误率高的问题,提出了基于Linex损失下RBF神经网络分类方法,并给出了UCI（University of California Irvine）中德国信用评分数据集上的测试结果。实验结果表明,该方法能有效解决传统RBF神经网络信用评分中存在的问题。     

应用Hopfield神经网络优化最大熵的图像恢复算法

基于图像最大熵分析,提出了一种基于Hopfield神经网络优化的图像恢复算法.将图像恢复问题转化为Hopfield神经网络优化问题,取恢复图像熵函数最大以及原始图像与恢复图像之间的误差平方和最小作为图像恢复的目标,构造能量函数连续型Hopfield神经网络模型,由Hopfield神经网络能量函数极小化可得到问题的优化解,其算法通过仿真实验,验证了算法的优越性.