改进的RBF神经网络模式分类方法应用研究

经典的 Bayes分类方法一般需要事先对样本的分布特性作出假设 ,当假设模型与样本实际分布情况不相符时 ,就难以得到较高的分类精度。当处理同类别多区域样本分布问题 ,例如变标签问题时 ,距离判别、Fisher判别、k-近邻分类、分段线性分类等统计分析方法遇到困难。双螺旋问题不仅使统计方法受到挑战 ,更使人们对一般前向多层神经网络的能力提出疑问。本文提出了改进的 RBF神经网络结构、核函数个数、位置与宽度优化算法。该算法的计算复杂性与一般前向三层LBF网络所用的误差反传算法大致相同。核函数生成既考虑了训练集样本自身的类别因素 ,又考虑了错分样本与邻近类别的关系。一个核函数的最终保留与否根据其对提高测试集分类正确率的贡献大小来决定。同时实验验证了两层 LBF网络对提高改进的 RBF网络分类正确率的极端重要性。大量应用实例表明 ,与前向三层 RBF网络和前向三层 LBF网络相比 ,该 IRBF网络具有收敛速度快、分类精度高、易于得到最小结构、在学习过程中不易陷入局部极小点等优点 ,有利于实现实时分析     

基于粗糙集和RBF神经网络的分类模型研究

分类是数据挖掘中一个重要的研究领域。针对原始决策表中往往存在大量冗余信息,从而影响决策分类综合性能这一问题,提出了一种基于粗糙集和RBF神经网络的分类模型。该模型在保持训练样本分类质量的情况下,运用属性约简方法对决策表进行约简,得到维数较小的训练样本空间。通过这样确定RBF神经网络输入层变量,优化了网络结构。实例结果表明了该方法的有效性和实用性。     

基于RBF神经网络的短期电力负荷预测

研究了天气和特殊事件对电力负荷的影响,建立了结合径向基函数神经网络来进行短期负荷预测的模型。将温度、降雨量运用于径向基函数神经网络中,提高了训练的可信度和可靠性。利用该模型编排的实用化软件投入到了实际应用中。结果表明:该方法具有较高的预测精度和较强的实用性。     

基于RBF神经网络的永磁同步电机控制系统

由于永磁同步电机控制系统具有非线性等特点,而使传统PID人工调节参数过程过于繁琐,且无法根据电机的运行状态改变参数,为了提高控制精度、增强控制系统的自适应能力,课题组以电流环PI控制为基础,结合径向基（RBF）神经网络对永磁同步电机进行在线辨识,根据辨识得到的灵敏度信息整定PID控制参数,建立参考模型。在MATLAB软件中利用Simulink中建立了PMSM模型,通过对比PID、RBF PID在启动环节和负载变化时的速度变化,验证了改进BRF PID控制的有效性。仿真结果表明RBF PID控制具有更快的响应,更好的抗干扰能力。     

基于RBF神经网络的人脸识别方法

计算机模式识别是视觉领域中的研究热点之一,是指用生物特征比如人脸信息来识别和辨认某个人类个体.提出了一种基于RBF神经网络的人脸识别方法：采用主成分分析技术把样本维数降低,同时利用模糊聚类算法进行粗分,然后用ORL标准人脸数据库进行实验.实验结果表明,该方法大幅度提高了人脸识别的效果.     

神经网络用于通信信号分类识别研究

介绍了将神经网络方法应用于通信信号的分选和识别的初步研究结果；选择了二值自适应共振（ＡＲＴ１）神经网络完成对输入信号的分类，确定输入信号类型是否已被网络存储，发现新出现的信号并标记；再采用多层前馈误差反向传播（ＢＰ）神经网络完成每一标记信号的识别，即识别该信号类型。比较了神经网络分类识别器和树形分类器的性能，并给出了计算机模拟结果。结果表明，基于神经网络的分类识别器的性能远优于传统技术分类器。     

基于对向传播神经网络的人脸识别方法

根据对向传播网络适于模式分类的特性,提出了基于对向传播网络的人脸识别方法。同时,为了克服对向传播网络在训练过程中的不稳定性,改进了对向传播网络的学习算法,并且以国际通用的ORL人脸库为对象进行实验研究。结果表明,选择合适的参数,就可以达到理想的识别效果。证明了基于对向传播网络的人脸识别方法是有效可行的。     

癌肿瘤免疫疗法模型的RBF神经网络控制

针对癌肿瘤免疫疗法生物数学模型,基于RBF神经网络和Lyapunov函数,提出了一种控制器设计方案,该方案将逼近误差引入到控制率中以保证控制方法的鲁棒性与稳定性.在外界无扰动与扰动存在两种情况下,分别实现了对癌肿系统的控制.生物医学上即防止了癌肿瘤的肿大、破裂,使癌肿瘤处于稳定、不易恶化的状态.数值举例表明了控制方法的有效性.     

基于神经网络的数据挖掘方法研究

神经网络是基于人脑神经处理信息方式发展起来的一种处理数据的方法,既结合人脑神经处理信息数据的基本特点,又包括目前先进的数字信息处理技术.基于数据的准备阶段和规则设定分析基于神经网络的数据挖掘过程,并分析神经网络的数据挖掘类别,介绍神经网络的驱动方式.     

播客网站分类模式的现状、问题及改进建议

以国内主要播客网站为研究范本,对其分类模式进行现状描述。探讨其分类的主要问题并提出了改进意见,以期使播客网站分类规范化。     

基于综合分类方法的金融风险识别与控制模式研究

基于综合分类方法，通过风险形态识别、风险的可管理性和风险的影响集聚进行分层分类，结合现代金融风险管理技术、模型，构建了风险管理各主体如何有效管理风险的系统模式，通过这种模式，各风险主体可以明确风险类型，从而进行有效的风险管理决策。     

高校法律人才分类培养模式研究

在阐述法律人才分类培养模式的必要性和可能性的基础上,尝试对法律人才分类培养模式的基本思路与原则进行探索,进而从包括培养目标、课程体系、教学内容、教学方法与手段、师资类型、实务教学模式等在内的多个视角探讨了实现高校法律人才分类培养的途径。     

基于模糊RBF神经网络的柴油机电液调速控制方法

介绍了电液调速执行器的动态特性,设计了电液调速控制回路,实现了模糊RBF神经网络对柴油机油门执行器位置的控制。将一种基于模糊RBF神经网络的PID控制器应用于柴油机调速控制中,详细说明了模糊RBF神经网络控制器的设计过程,它结合了传统PID以及神经网络和模糊控制的优点,可以在线调整得到一组最优的PID控制参数。仿真结果表明该系统比传统模糊控制的响应速度快、超调小,且适应性强,具有推广价值。     

分支前馈神经网络的研究

在BP算法的基础上,提出了一种用于模式分类的人工神经网络模型——分支前馈神经网络,并给出了相应的算法。对模式分类的几个典型例子进行了计算机仿真研究。仿真结果表明,与一般BP网络相比较,分支前馈神经网络显著地减少了训练时间,且分类效果更好。     

基于GMDH神经网络法的中小板上市公司ST分类预测研究

预测上市公司的上市状态对投资者与其他利益相关者至关重要.选取2019年1月1日至3月31日我国中小板116家上市公司的86个财务指标数据,运用GMDH神经网络法对ST公司和非ST公司进行分类预测,预测正确率达到78.26％.进一步采用1:1配对原则(43家ST公司和43家非ST公司)对中小板上市公司进行ST分类预测,预测正确率大幅提高,达到88.24％.由此发现,基于GMDH神经网络法的中小板上市公司ST分类预测具有较好的预测表现.     

农村垃圾分类处置的运行模式研究

使用填埋法处理农村垃圾导致了一系列问题,其解决的最根本办法就是垃圾从源头分类。垃圾分类在农村切实可行,最主要因素是责任主体明确:垃圾产生者、垃圾收集者、分类监督者的责任都明确。把农村垃圾分为可堆肥垃圾、不可堆肥垃圾和有毒有害垃圾,是适合农村的垃圾分类方法,这使得垃圾分类在农村简便易行。政府及时跟上"垃圾分类后续处理工程"的建设,才能确保农村垃圾分类真正推行。农村垃圾分类     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

关于时滞细胞神经网络稳定性的一个改进结果

在文章[1]中,作者提出了关于时滞细胞神经网络存在唯一平衡点和全局渐近稳定性的充分条件。本文主要指出了文章[1]中相关结论的不足,并改进了建立在线性矩阵不等式基础上的时滞细胞神经网络全局渐近稳定的结果。此外,这些关于时滞细胞神经网络时滞依赖的全局渐近的稳定性的新结果可以保证系统的指数渐近稳定性。     

基于RBF神经网络的色彩空间转换研究

针对可变数字印刷中色彩空间转换的要求,文章提出一种基于RBF神经网络的RGB(Red,Green,Blue)→CMYK（Cyan,Magenta,Yellow,Black）色彩空间转换方法,解决了Lab色彩空间到CMYK色彩空间的非线性关系。通过研究分析RBF神经网络的原理,建立了基于RBF神经网络色彩空间转换数学模型,并在该模型下进行数据的预测与精度分析。实验结果表明,该方法实现的转换精度非常高,转换后的色偏明显减小,转换速度也很快。