基于神经网络的非线性自适应除噪研究

提出一种适用于非线性自适应除噪（ANC）的神经网络方法。当参考通道中的噪声是主通道噪声的非线性变换时，采用线性ANC往往效果不好，此时应采用非线性ANC。由于径向基函数网络具有良好的非线性函数逼近性能，因而可采用基于径向基函数网络的非线性自适应除噪。模拟结果表明，这种方法具有明显的抑制噪声能力。     

基于径向基函数网络的混沌时间序列分析

给出了基于径向基函数网络的混沌时间序列预测的方法。利用非线性自回归移动平均（ＮＡＲＭＡＸ）模型对非线性时间序列进行辨识并给出基于动态径向基函数（ＲＢＦ）网络的辨识算法。将这一方法应用到Ｈｅｎｏｎ映射的混沌时间序列的嵌入维估计及我国股票市场的混沌现象的实证研究,得到理想的结果。文章最后指出了进一步的研究方向。     

一类径向基函数网络及其在图像滤波中的应用

构造了图像的一类卷积逼近公式,并由此设计了一类新的径向基函数网络．该网络可以无限逼近平方可积函数,其径向基函数是无穷次连续可微的,并具有局部支撑性质．同时,给出了变学习率的低松弛迭代快速学习算法．对于Ｎ×Ｎ输入图像,学习算法的复杂度为Ｏ（Ｎ２）,与基于ＧｒａｍＳｃｈｍｉｄｔ正交化过程的正交最小二乘学习算法相比,其存储量和计算量都小．该网络可以在计算机视觉及实时信号、图像处理等领域用作自适应滤波．实验结果表明,它对Ｇａｕｓｓ白噪声及均匀分布的噪声都具有良好的抑制效果．     

6L60MCE柴油机燃烧系统故障的仿真计算

建立一种基于径向基函数（ＲＢＦ）神经网络算法模型,应用于船用柴油机气缸组件与燃烧系统的故障诊断,以沪东重机生产的ＨＵＤＯＮＧ ＭＡＮ－Ｂ＆Ｗ ６Ｌ６０ＭＣＥ机型为例,设计征兆／故障样本集,采用一个单隐层的ＲＢＦ网络对样本进行训练和仿真实验,以验证该诊断方法的可行性和有效性。     

一种基于径向基函数神经网络的语音降噪方法

采用径向基函数神经网络在时域上对含噪语音信号进行降噪处理.针对语音信号的短时平稳性以及噪声的随机性,对语音信号进行分帧预处理;用分帧后的纯净语音信号作为径向基函数网络的教师信号,并利用Matlab神经网络工具箱设计和训练网络.实验结果表明,径向基函数网络作为语音信号滤波器,可有效地抑制语音信号中的白噪声,具有良好的降噪性能.     

基于神经网络的可靠度时序预测方法研究

提出了利用人工网络进行可靠度时序预测的方法,分别利用径向基函数（ＲＢＦ）网络及自适应模糊神经（ＡＮＦＩＳ）网络对发动机涡轮增压器进行了可靠度的时序预结果表明,利用神经网络进行可靠度时序预测是可行的,并且ＡＮＦＩＳ的预测能力要优于ＲＢＦ。     

基于免疫粒子群神经网络的短期预负荷测

针对电力系统短期负荷预测的特点,以及人工神经网络的自学习和复杂的非线性拟合能力,提出了基于径向基（RBF）神经网络的短期电力负荷预测模型．采用免疫粒子群优化算法来训练网络的隐层节点、径向基函数的中心点和网络权值．综合考虑气象、天气等影响负荷因素进行短期负荷预测．仿真试验表明,该方法同传统RBF神经网络相比,具有较高的预测精度,同时具有较强的实用性．     

MATLAB环境下的船用柴油机故障诊断的模拟研究

提出一种基于径向基函数神经网络模型应用于船用柴油机故障诊断的方法,设计相应系统的征兆／故障样本集,运用ＭＡＴＬＡＢ环境下的实用工具箱－ＮｅｕｒａｌＮｅｔｗｏｒｋｓＴｏｏｌｂｏｘ对ＨＵＤＯＮＧ－Ｂ＆Ｗ６Ｌ６０ＭＣＥ大功率船用低速柴油机涡轮增压系统的故障诊断进行模拟计算,仿真结果表明,这种方法是成功的。     

执行阀黏滞过程的控制性能评估

控制性能评估是衡量工业过程控制回路性能和质量的重要技术,常见性能评估方法一般针对线性过程,而忽视了执行阀黏滞等造成的非线性特征.为此研究了一类存在执行阀黏滞现象的非线性系统,并提出了一种基于改进的径向基函数神经网络时间序列建模的控制性能基准估计方法.将Hinich检验算法引入网络评价函数,利用改进的网络评价指标训练径向基网络,以去除过程输出的非线性,进而采用时序分析技术准确估计出系统的控制性能基准.通过仿真分析,验证了方法的有效性.     

临界胶束浓度前阳离子表面活性剂诱导激基缔合物形成的荧光光谱研究

研究了阳离子表面活性剂ＣＴＡＢ在临界胶束浓度（ＣＭＣ） 前对１ － 芘丁酸（ＰＢＡ） 和１ － 萘乙酸（ＮＡＡ） 荧光光谱的影响, 观测到ＰＢＡ和ＮＡＡ激基缔合物的发光． 实验证明： ＣＭＣ前ＣＴＡＢ 能够诱导ＰＢＡ, ＮＡＡ激基缔合物的形成． 这一结果为设计阴离子表面活性剂的荧光检测新方法提供了理论基础．     

用非线性电流源法分析微波振荡器的相位噪声

提出用非线性电流源法分析微波ＧａＡｓ ＭＥＳＦＥＴ振荡器单边带相位噪声特性的新方法。给出了包含ＭＥＳＦＥＴ完整非线性噪声模型在内的振荡器相位噪声分析模型，在此基础上利用改进的非线性电流源法分析了振荡器的单边带相位噪声特性。ＣＡＤ分析与实验结果表明，此法可精确有效地分析振荡器输出基波及各次谐波附近的近载相位噪声分布特性，且适用于非线性微波ＣＡＤ。     

一种基于径向基函数的近似模型构造方法

发展了一种基于径向基函数的近似模型建立方法。首先采用试验设计方法对设计空间进行样本选择,采用数据分析方法对样本集进行聚类分类,得到径向基函数中的相关参数。对于近似模型权系数采用能够适应大规模并行计算并且能够在全局解空间的多个区域内寻优的遗传算法进行求解,而不是采用最小二乘法通过线性方程的求解获得。最后通过对一维非线性和多维高阶非线性函数的逼近测试,以及对近似模型的拟合函数与原函数之间的误差分析,表明本文提出的基于径向基函数的近似模型方法具有良好的拟合与预测精度。     

自适应径向基函数神经网络

文章根据隐节点对整个网络输出贡献的相对大小 ,提出删除策略 ,并结合资源分配网络的增长规则 ,使得径向基函数神经网络的隐节点在学习过程中可以自适应地增加或删除 ,从而形成一个网络资源较少、结构紧凑的自适应径向基函数神经网络。将该网络应用于函数拟合和非线性时间序列预测 ,取得较好的效果     

RBF网络在柴油机故障诊断领域中的应用与实现

阐述了神经网络的模型、算法和分类，主要分析径向基传递函数、径向基函数分布常数以及高斯函数的宽度系数，探讨MATLAB环境下采用径向基函数网络实现对柴油机故障诊断的方法，并与BP网络性能进行比较，表明RBF网络学习速度快，适于在线实时监测与诊断。     

基于人工种经网络的乳腺癌诊断模型

针对具体的乳腺癌诊断分类问题，研究了多层径向基函数(RBP)网络的分类机理和初始化优化参数，采用动量法和学习率自适应调整两种策略方法，建立了基于BP神经网络和径向基(RBF)神经网络的乳腺癌两种诊断模型。讨论了径向基神经网络的分类机理，同时对数据作了预处理。径向基(RBF)神经网络具有较强的非线性并行处理能力和容错能力。仿真结果表明，所设计的RBF网络模型性能稳定，训练时间短，分类效果较好。     

基于径向基函数的概率神经网络的心律失常自动识别

讨论了基于径向基函数(RBF)的概率神经网络的基本网络结构和网络的学习和运行过程,并且与BP算法 的径向基神经网络进行了对比,同时也测试了网络的容错能力．结果表明,基于RBF的概率神经网络,学习速度大 大提高,同时减小了BP陷入局部极小的问题,有一定的抗噪声的能力．基于RBF的概率神经网络模型在心律失常 自动识别中获得了很好的应用．     

基于免疫进化算法的径向基函数网络

基于免疫进化算法，提出了一种设计径向基函数(RBF)网络的新算法——免疫径向基函数网络(IRBF)训练算法．该算法通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子，缩小了标准进化算法搜索空间的范围，提高了算法的收敛速度．计算机仿真表明，采用这种算法训练的RBF网络达到了较好的性能．     

径向基函数网络在云检测中的应用

作者提出一种应用径向基函数网络（RBF）的云检测方法,此方法要求晴空海域与有云海域以一定数量的基函数来表征,两种基函数可组成一个径向基函数网络,使用欧空局沿轨道扫描辐射计（ERS－1／ATSR）资料对径向基函数网络在云检测中的性能作了验证,重点研究网络结构的复杂度对分类结构的影响,并与人眼的目视解译作比较,结果表明径向基函数网络在云检测中性能良好。     

结合神经元网络和模糊专家系统进行电力短期负荷预测

结合人工神经元网络（ＡＮＮ）和模糊专家系统进行负荷预测．给出了径向基函数（ＲＢＦ）网络的结构,并采用正交最小平方法（ＯＬＳ）选取ＲＢＦ中心．先用ＡＮＮ进行基本负荷预测,然后考虑天气变化和假日因素所引起的负荷变化,利用模糊专家系统进行负荷调整．文中还把日期划分为５类．测试结果表明,该方法具有较高的精度和较快的速度．     

用于干涉型光纤陀螺温度漂移辨识的RBF神经网络改进算法

针对干涉型光纤陀螺(IFOG)温度漂移的辨识,推导了径向基神经网络(RBFNN)中隐含层神经元、网络的抗噪声性能和拟合精度三者之间的关系,并在此基础上提出了一种新的径向基函数神经网络辨识学习规则.该方法具有很强的抗噪声性能,网络输出不会被陀螺噪声所污染,同时能动态地确定神经元数,辨识精度高,有效地避免了传统RBF网络学习算法中事先固定网络结构可能存在的盲目性.实验结果表明,该方法能够快速、准确地辨识IFOG的温度漂移.