RBF神经网络

摘要： 综采工作面煤岩分界面识别是采煤机滚筒高度自适应调节的关键和难点,为了在不增加额外设备的情况下准确识别综采工作面煤岩分界面,从采煤机滚筒分别截割煤层和岩层的表现性状出发,提出一种基于改进RBF神经网络的采煤机截割煤岩性状智能识别方法,使采煤机滚筒能够高速实时判别煤岩.该方法根据采煤机截割电流、牵引电流和摇臂调高液压缸阻力的变化,采用改进的萤火虫算法对RBF神经网络的基函数参数进行优化,并采用优化后的RBF神经网络模型对当前截割的煤岩性状进行识别.在耿村煤矿12150综采工作面实测数据的基础上开展试验,结果表明,基于改进RBF神经网络的煤岩性状识别模型对采煤机截割对象的识别准确率达到93.94％.利用该模型进行煤岩性状识别,无需加装额外探测设备,响应速度快、识别率高,有较好的工程应用潜力.

摘要： 针对柔性关节机械臂轨迹跟踪控制中存在模型摄动、外界干扰以及部分状态信息不可测等问题,提出一种基于自适应神经网络观测器的命令滤波输出反馈控制方法。首先,给出含不确定性的柔性关节机械臂动力学方程,并选用RBF神经网络设计自适应律,在线逼近由模型摄动及未知干扰带来的不确定性项;然后,设计自适应神经观测器以对系统不可测状态进行实时估计,并将估计值用于反馈控制,解决部分状态信息不可测的问题;最后,基于Lyapunov理论设计反步跟踪控制器,并引入二阶命令滤波器获得中间虚拟控制量的导数,避免反步递推过程中“计算爆炸”的问题。仿真结果表明,当系统存在模型摄动和外界干扰时,所提自适应命令滤波反步控制方法与传统反步控制方法和误差补偿命令滤波控制方法相比,无需连杆的角速度以及电机轴的转角和角速度等状态信息,且轨迹跟踪精度分别提升78%和35%。

摘要： 为了提高人体肌电信号对于下肢动作识别的准确率,提出一种基于遗传算法(GA)优化的径向基(RBF)神经网络分类模型。通过采集人体日常8种下肢动作的表面肌电信号并选择“sym6”系小波函数对肌电信号进行滤波预处理,使用主成分分析法(PCA)对时频域特征降维,把特征向量输入GA算法优化的RBF神经网络进行训练和识别。实验结果表明,该方法对同一受试者8种下肢动作的平均识别率为94.00%±0.45%;对15位不同受试下肢动作识别率达到89.30%,比传统BP神经网络的识别准确率提高11.8%,预测时间缩短6 s。所提出的方法为肌电信号应用于下肢智能康复机器人的意图识别研究提供参考,有助于病人的康复。

摘要： 对永磁同步电机的稳态信号声品质进行了分析,并以声压级、响度、尖锐度、语音清晰度、波动度、粗糙度和音调度作为评价指标,建立了永磁同步电机声品质评价体系。采用分组成对比较法进行了主观评价,通过Bradley-Terry算法对评价结果进行了优化处理,分别搭建多元线性回归预测模型和MPGA-RBF预测模型,通过预留的检验样本对模型进行检验。结果表明,MPGA-RBF模型能对永磁同步电机声品质评价结果实现准确的预测。

摘要： 针对番茄结果期需水量影响因子众多、RBF神经网络参数初始化不稳定等问题,提出一种基于天牛须搜索(BAS)算法优化RBF神经网络参数的番茄结果期需水预测方法。该方法利用主成分分析(PCA)算法对环境因素进行降维;使用BAS对RBF网络参数进行寻优,最终构建BAS-RBF神经网络番茄结果期需水预测模型。仿真结果表明:相较于RBF预测模型,均方根误差减少0.116 8,BAS-RBF预测模型优于传统RBF预测模型。

摘要： 螺旋桨式水下推进器推力的大小决定着水下机器人的水动性能。为快速准确预测螺旋桨的敞水性能,建立一种RBF神经网络螺旋桨敞水性能估计器模型。利用几种型号螺旋桨敞水仿真值作为训练样本,对网络规模进行调整。在此基础上,广义逆动态地调整各网络间的连接权重,进行网络参数的优化。通过不断地迭代优化达到学习精度要求,最终得到一种高维优化的神经网络敞水性能估计器。同时,利用CFD仿真软件对螺旋桨进行模拟仿真和数值计算。对比分析RBF神经网络螺旋桨敞水性能估计器模型预测的敞水系数与CDF仿真的敞水系数,结果表明两者之间的差距较小,故RBF神经网络敞水性能估计器模型满足准确预测和快速性的要求,能够作为螺旋桨敞水系数的有效预测方式之一。

摘要： 为了能够更好地监测矿井环境变化趋势,以便预防安全事故发生,提出了一种基于ZigBee和RBF神经网路的矿井通风质量预测方法。首先,利用由主测试装置、从测试装置和中继节点组成的ZigBee无线网络,对井巷前、后端的CO、CO_(2)、SO_(2)、NO_(2)及O_(2)5种气体环境参数进行采集和传输。然后,采用最小-最大规范化进行数据归一化预处理后,对RBF神经网络模型进行训练。最后,将训练后的模型迁移到EdgeTPU嵌入式AI开发板上进行通风质量预测。实验结果表明,相比于BP神经网络模型,提出方法具有更小的平均绝对误差,5种气体浓度的预测准确率均到达了87%以上,充分验证了其有效性。

摘要： 冠状面轮廓曲线可以表现人体纵向体表形态,是体型研究和原型设计的关键。首先,通过三维人体测量,获取人体点云数据,利用逆向工程技术降维处理,采集冠状面轮廓点云;其次,用最小二乘法、三次样条函数、径向基函数(Radical Basis Function,RBF)神经网络分别进行曲线拟合,比较三个模型的均方根误差RMSE、决定系数R^(2)等参数,得出RBF神经网络拟合效果最优;然后,通过计算拟合曲线的曲率和二阶导数,量化分析冠状面轮廓曲线形态;最后,在大规模人群测量中进行验证,得到3类典型的冠状面曲线。实验结果显示,采用RBF神经网络构建二维曲线表征三维人体特征空间的数学模型拟合精度高、泛化能力强,能有效表征人体纵向体表特征。

摘要： 针对电力驱动康复机器人控制系统响应滞后、易抖动等问题,提出了基于模糊理论和RBF神经网络的控制策略。采用模糊PID算法确定初始参数,同时利用RBF神经网络的快速学习能力解决了传统的PID控制器无法实现参数自适应调整的问题。以某二两杆康复机器人上肢做位置跟踪仿真实验,结果表明,与传统的控制方法比较,该方法控制的系统响应快、超调量小,具有更好的跟踪性。

摘要： 针对泵控系统滑模控制方面的研究,根据泵控系统的降阶数学模型中存在的未知项f(),再结合滑模控制算法设计基于RBF神经网络的滑模控制器。通过MATLAB/Simulink建立系统的仿真模型,然后进行位置指令仿真分析。研究结果表明:相比较PID控制器,基于RBF神经网络的滑模控制器获得了最小跟踪误差。在干扰条件下跟踪10 Hz频率与1 mm幅值的正弦位置信号,基于RBF神经网络的滑模控制器误差最小;施加干扰力后,控制器都出现了更大的跟踪误差,此时基于RBF神经网络构建的滑模控制器可以快速恢复跟踪误差。研究设计的基于RBF神经网络的泵控系统滑模控制器具有很好的跟踪精度和更强的鲁棒性,可以拓宽应用到其他机械传动领域。

摘要： 创新生态系统作为区域发展的动力引擎,对于区域发展具有重要意义.本文将自然界生态安全的概念引入创新生态系统中,研究区域创新生态环境的安全预警问题.构建区域创新生态环境安全预警指标体系,基于RBF神经网络模型及警情评-判标准对西安市区域2010-2016年的创新生态环境安全状况进行分析,并对其2017-2020年创新生态系统安全演化趋势进行动态预测.研究结果表明:(1)RBF神经网络模型能够有效的用于区域创新生态环境安全预警分析,拟合精度较高;(2)2010-2016年,西安市创新生态环境整体生态安全预警指数不断上升,但是仍处于临界安全状态,未来将呈波动趋势甚至可能达到不安全状态;(3)根据未来趋势预测结果,西安市创新生态系统中"创新主体竞争力"子系统预警指数有大幅提升,"创新环境"子系统安全预警指数呈波动状态,"系统恢复能力"子系统总体呈上升趋势但有下降风险.

摘要： 创新生态系统作为区域发展的动力引擎,对于区域发展具有重要意义.本文将自然界生态安全的概念引入创新生态系统中,研究区域创新生态环境的安全预警问题.构建区域创新生态环境安全预警指标体系,基于RBF神经网络模型及警情评-判标准对西安市区域2010-2016年的创新生态环境安全状况进行分析,并对其2017-2020年创新生态系统安全演化趋势进行动态预测.研究结果表明:(1)RBF神经网络模型能够有效的用于区域创新生态环境安全预警分析,拟合精度较高;(2)2010-2016年,西安市创新生态环境整体生态安全预警指数不断上升,但是仍处于临界安全状态,未来将呈波动趋势甚至可能达到不安全状态;(3)根据未来趋势预测结果,西安市创新生态系统中"创新主体竞争力"子系统预警指数有大幅提升,"创新环境"子系统安全预警指数呈波动状态,"系统恢复能力"子系统总体呈上升趋势但有下降风险.

摘要： 创新生态系统作为区域发展的动力引擎,对于区域发展具有重要意义.本文将自然界生态安全的概念引入创新生态系统中,研究区域创新生态环境的安全预警问题.构建区域创新生态环境安全预警指标体系,基于RBF神经网络模型及警情评-判标准对西安市区域2010-2016年的创新生态环境安全状况进行分析,并对其2017-2020年创新生态系统安全演化趋势进行动态预测.研究结果表明:(1)RBF神经网络模型能够有效的用于区域创新生态环境安全预警分析,拟合精度较高;(2)2010-2016年,西安市创新生态环境整体生态安全预警指数不断上升,但是仍处于临界安全状态,未来将呈波动趋势甚至可能达到不安全状态;(3)根据未来趋势预测结果,西安市创新生态系统中"创新主体竞争力"子系统预警指数有大幅提升,"创新环境"子系统安全预警指数呈波动状态,"系统恢复能力"子系统总体呈上升趋势但有下降风险.

摘要： 创新生态系统作为区域发展的动力引擎,对于区域发展具有重要意义.本文将自然界生态安全的概念引入创新生态系统中,研究区域创新生态环境的安全预警问题.构建区域创新生态环境安全预警指标体系,基于RBF神经网络模型及警情评-判标准对西安市区域2010-2016年的创新生态环境安全状况进行分析,并对其2017-2020年创新生态系统安全演化趋势进行动态预测.研究结果表明:(1)RBF神经网络模型能够有效的用于区域创新生态环境安全预警分析,拟合精度较高;(2)2010-2016年,西安市创新生态环境整体生态安全预警指数不断上升,但是仍处于临界安全状态,未来将呈波动趋势甚至可能达到不安全状态;(3)根据未来趋势预测结果,西安市创新生态系统中"创新主体竞争力"子系统预警指数有大幅提升,"创新环境"子系统安全预警指数呈波动状态,"系统恢复能力"子系统总体呈上升趋势但有下降风险.

摘要： 创新生态系统作为区域发展的动力引擎,对于区域发展具有重要意义.本文将自然界生态安全的概念引入创新生态系统中,研究区域创新生态环境的安全预警问题.构建区域创新生态环境安全预警指标体系,基于RBF神经网络模型及警情评-判标准对西安市区域2010-2016年的创新生态环境安全状况进行分析,并对其2017-2020年创新生态系统安全演化趋势进行动态预测.研究结果表明:(1)RBF神经网络模型能够有效的用于区域创新生态环境安全预警分析,拟合精度较高;(2)2010-2016年,西安市创新生态环境整体生态安全预警指数不断上升,但是仍处于临界安全状态,未来将呈波动趋势甚至可能达到不安全状态;(3)根据未来趋势预测结果,西安市创新生态系统中"创新主体竞争力"子系统预警指数有大幅提升,"创新环境"子系统安全预警指数呈波动状态,"系统恢复能力"子系统总体呈上升趋势但有下降风险.

摘要： 针对海洋碱性蛋白酶MP发酵过程中关键参量(酶活、底物浓度与菌体浓度)难以实时在线测量的问题,提出了一种基于径向基函数(RBF)神经网络的软测量建模方法.通过公式法与一致关联度法选取辅助变量、数据滤波与数据归一化处理、K均值聚类法进行网络学习等方式,建立了基于RBF神经网络的海洋碱性蛋白酶MP发酵软测量模型,并利用Matlab进行计算机仿真,验证该软测量模型的有效性与精确性.

摘要： 针对海洋碱性蛋白酶MP发酵过程中关键参量(酶活、底物浓度与菌体浓度)难以实时在线测量的问题,提出了一种基于径向基函数(RBF)神经网络的软测量建模方法.通过公式法与一致关联度法选取辅助变量、数据滤波与数据归一化处理、K均值聚类法进行网络学习等方式,建立了基于RBF神经网络的海洋碱性蛋白酶MP发酵软测量模型,并利用Matlab进行计算机仿真,验证该软测量模型的有效性与精确性.

摘要： 针对海洋碱性蛋白酶MP发酵过程中关键参量(酶活、底物浓度与菌体浓度)难以实时在线测量的问题,提出了一种基于径向基函数(RBF)神经网络的软测量建模方法.通过公式法与一致关联度法选取辅助变量、数据滤波与数据归一化处理、K均值聚类法进行网络学习等方式,建立了基于RBF神经网络的海洋碱性蛋白酶MP发酵软测量模型,并利用Matlab进行计算机仿真,验证该软测量模型的有效性与精确性.

摘要： 针对海洋碱性蛋白酶MP发酵过程中关键参量(酶活、底物浓度与菌体浓度)难以实时在线测量的问题,提出了一种基于径向基函数(RBF)神经网络的软测量建模方法.通过公式法与一致关联度法选取辅助变量、数据滤波与数据归一化处理、K均值聚类法进行网络学习等方式,建立了基于RBF神经网络的海洋碱性蛋白酶MP发酵软测量模型,并利用Matlab进行计算机仿真,验证该软测量模型的有效性与精确性.

摘要： 为了消除主观因素对隐层节点中心向量选择的影响,提高径向基函数RBF(Radial Basis Function)神经网络的预测能力,提出一种引入近邻传播思想的RBF神经网络算法.该算法根据建筑电耗数据的内在规律,利用AP(Affinity Propagation)聚类算法进行聚类处理,获取样本数据的类中心点,并将此作为神经网络的中心向量,同时根据类中心距离设置径向基函数的宽度,利用最小均方误差(LMS)确定网络连接权值.对公共建筑未来40天的用电能耗进行预测,结果表明,较BP神经网络算法和未改进的RBF神经网络算法,该算法的预测精度更高,稳定性更好.

摘要： 本发明公开了一种基于迭代优化RBF神经网络的网络安全态势分析方法。本发明首次通过遗传算法迭代的优化RBF网络的宽度和链接权重，在总体上维持了较低的绝对误差，并且赖交叉模型和基因突变几率进行自适应调整，使种群向有利方向迭代，加快了算法的收敛速度，混沌搜索策略也避免了算法在迭代过程中陷入局部极小值。

摘要： 本发明公开了一种基于RBF神经网络的网络入侵检测系统，设置有数据包采集模块，用于对数据包进行监听和采集，并对拦截到的数据包进行监控、管理和参数配置；数据预处理模块，抽取数据包中能够区别正常访问流量和恶意入侵流量的字段及特征并规整化形成数据报文；子特征提取模块，将数据预处理模块输出的格式化字段数据结构作为数据样本进行有效特征提取；分析判别模块，主要利用RBF神经网络对子特征提取模块所提取的特征进行分析和归类判别；结果反馈模块，将分析判别模块的判别输出结果进行处理，并分析和评估模型表现，且能够将需要调整的参数信息格式化后送至数据预处理模块和子特征提取模块。

摘要： 本发明公开了一种基于GCV‑RBF神经网络的认知无线电网络频谱的预测方法，包括如下步骤：步骤1：获取信道历史数据信息；步骤2：将信道历史数据信息作为预设的RBF神经网络的输入样本，通过OLS算法对RBF神经网络进行训练，并通过GCV评估方法获取最优的RBF神经网络结构；步骤3：根据信道历史数据信息，通过最优的RBF神经网络结构对当前频谱状态进行预测。相比于现有技术，本发明通过GCV评估方法获取最优的RBF神经网络结构，解决了训练过程中过度拟合的问题，提高了预测准确率。进一步地，RBF神经网络结构作为一种局部逼近网络，具有结构简单，收敛速度快，实时性强等优势，可以充分地适应网络的变化提高了网络的自适应型。

摘要： 本发明属于网络安全技术领域，特别涉及一种基于吸引子传播差分进化算法的径向基函数APDE‑RBF神经网络的网络安全态势预测方法，包括利用AP聚类算法对样本数据进行划分聚类，从而获得径向基函数RBF的中心和网络的隐含层节点数；利用AP聚类得出种群差异度，自适应地改变DE算法的缩放因子和交叉概率，对RBF的宽度和连接权值进行优化；同时为了避免陷入局部最优以及跳出局部极值点，对每一代种群的精英个体和种群差异度中心进行混沌搜索；确定最终RBF网络模型，输入测试数据集，输出态势预测值；本发明旨在增强泛化能力的同时，提高对网络安全态势的预测精度。

摘要： 本发明涉及一种基于混合递阶遗传算法的RBF神经网络的网络RBF评价方法，涉及信息安全技术领域。该方法将遗传算法与RBF网络结合，采用递阶遗传算法确定合理的RBF网络隐含层节点，基函数宽度和中心，再采用灰狼算法确定输出层权值，将递阶遗传算法与灰狼算法相结合，采用混合递阶遗传算法的RBF神经网络算法对网络RBF进行评价，实现了对网络RBF指标系统进行量化评估，综合考虑各能力要素的重要程度以及RBF能力水平，采用全面的，高效的，高逼真的评分方式，能够充分有效评估网络RBF效能。

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明公开了一种基于迭代优化RBF神经网络的网络安全态势分析方法。本发明首次通过遗传算法迭代的优化RBF网络的宽度和链接权重，在总体上维持了较低的绝对误差，并且赖交叉模型和基因突变几率进行自适应调整，使种群向有利方向迭代，加快了算法的收敛速度，混沌搜索策略也避免了算法在迭代过程中陷入局部极小值。

摘要： 本发明实施例提供一种基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法，其包括以下步骤：步骤S1，利用温度传感器采集高压电气设备的触点温度数据，并结合高压电气设备的电流、电阻和电压作为待诊断故障数据，再进行归一化预处理；步骤S2，利用三个RBF神经网络进行基本概率分配，对待诊断故障数据进行准确分类；步骤S3，利用贝叶斯网络对高压电气设备进行故障诊断。该基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法在利用拉曼光纤传感器对高压电气设备测温的基础上，并将信息融合技术用于以温度为主要参数、电流等为辅助参数的高压电气设备温度监测预警系统中，从而有效地提高诊断的可信度，减少诊断的不确定性。

摘要： 本发明公开了一种基于RBF神经网络的网络入侵检测系统，设置有数据包采集模块，用于对数据包进行监听和采集，并对拦截到的数据包进行监控、管理和参数配置；数据预处理模块，抽取数据包中能够区别正常访问流量和恶意入侵流量的字段及特征并规整化形成数据报文；子特征提取模块，将数据预处理模块输出的格式化字段数据结构作为数据样本进行有效特征提取；分析判别模块，主要利用RBF神经网络对子特征提取模块所提取的特征进行分析和归类判别；结果反馈模块，将分析判别模块的判别输出结果进行处理，并分析和评估模型表现，且能够将需要调整的参数信息格式化后送至数据预处理模块和子特征提取模块。