Multi-Quadric函数与Gauss函数的插值比较

径向基函数在散乱数据插值中有着广泛应用.本文对Multi-Quadric函数与常用的Gauss函数列举多个实例,使用Mathematica编程计算,对其参数进行分析与比较,获得效果较好的误差图.     

基于RWG基函数和LL基函数的电磁场积分方程矩量法对比

利用基于Rao-Wihon-Glisson(RWG)基函数和双线性（LL）基函数的矩量法求解了任意形状理想导体目标的电磁场积分方程.通过几个计算实例的比较表明,在相同或类似的计算量的情况下,LL基函数比RWG基函数更为完备地描述实际的电流分布,并具有更高的求解精度和更快的收敛特性;同时,仅需作很小的改动,就可以将基于RWG基函数的矩量法程序改写成基于LL基函数的矩量法程序.     

关于线性函数与双线性函数的两个注记

1关于经性函数的注记设V是数域P上n维线性空间，V*＝L（V，P）是V的对偶空间。文（1）指出：V也可看成矿的线性函数空间，V与V*实际上互为线性函数空间。这就是对倡空间名词的来由。本注记进一步具体论证了V的基与其在V*中的对仍基之间的一一对应关系，从而揭示了“对偶基”名词的本质含义。对于V的一组基ε1，ε2…，εn，在L（V，P）中存在唯一的对偶基f1，f2…，fn。现在我们提出上述问题的反问题：设f1，f2，…，fn是V*＝L（V，P）的一组基，是否存在V的基个，个，··’，小能作fi，运，‘··fn是对；，Q，…l的对偶基。回答…     

增强型径向基函数的分块响应面近似处理方法

采用多项式响应面法、分块响应面法和增强型径向基函数的分块响应面法对3个测试函数进行近似处理,比较它们的均方根误差和相对误差值.结果表明:在样本数量较少时,并未明显地体现出增强型径向基函数的分块响应面法的优势,但是其近似精度不低于前两种方法;当样本点数量比较大时,增强型径向基函数的分块响应面方法的近似精度明显高于分块响应面法和多项式响应面法.     

基于基函数的网络协议分析方法

网络协议分析可以帮助安全人员分析网络漏洞。但网络协议分析面临着协议种类越来越多、协议状态空间越来越复杂的问题。首先提出了基于基函数的网络协议结构表征方法,然后在此基础上给出了基于基函数组合模式的分层协议分析方法。之后针对私有协议,提出了一种可自学习的基函数及其组合模式扩展方式。最后给出了基于基函数的网络协议分析流程。性能分析实验表明提出的方法优于传统的匹配方法和统计方法。     

MQ函数和Matern函数在LMAPS方法中的比较

利用局部近似特别解方法,选取Matern函数作为径向基函数,求解偏微分方程。在不规则区域上求解Possion方程,给出形参c的近似选取方法,并将Matern函数和优化c后的MQ函数得到的误差进行比较分析,同时将这两种函数应用到规则区域上的二维Burgers’方程进行数值求解。数值实验表明,这两种函数对于求解偏微分方程都具有较高的近似精度和计算效率。     

利用点插值函数作为试函数的最小二乘配点法

采用径向基函数与多项式基函数作为耦合的基函数,并利用点插值法构造加权残值法中的近似试函数,试函数中的形函数具有狄拉克-δ函数性质,因此可以直接施加本质边界条件．利用这种试函数和采用最小二乘配点法求解了一维二阶微分方程和薄板的弯曲问题,并与理论结果进行对比;同时还检验了配点数以及节点支持域半径对计算精度的影响．数值结果表明：这是一种与单元划分无关的无网格方法,具有模拟简单,计算精度高,收敛快的优点．     

L样条函数

引入Ｌ样条函数,得到它的显式表示,基底性质,递推公式和求导公式;并求出了Ｌ样条函数变换为Ｂｅｒｎｓｔｅｉｎ基函数的变换矩阵,从而得到了Ｌ曲线可不Ｂｅｚｉｅｒ曲线的等价     

方块脉冲函数与Haar小波之间的几个等价交换

本文研究了方块脉冲函数与Ｈａａｒ小波之间的几个等价交换,包括方块脉冲函数基与Ｈａａｒ小波基之间的等价变换,方块脉冲函数积分运算矩阵与Ｈａａｒ小波积分矩阵之间的等价变换,以及它们在时域应用中的等价性。     

多项式基函数神经网络模型

从函数逼近理论出发，用一组正交基函数作为三层前向神经网络各隐含单元的输出特性，以其加权和作为网络的非线性输出，构成一种单输入单输出正交基函数神经网络模型。建立了多输入的多项式基函数神经网络，并给出了非线性静态特性拟合，ＸＯＲ特性和动态特性拟合计算机仿真结果。     

一种基于蚁群聚类的径向基神经网络

提出了一种基于蚁群聚类算法的径向基神经网络．利用蚁群算法的并行寻优特征和挥发系数方法的自适应更改信息量的能力，并以球面聚类的方式确定了径向基神经网络中基函数的位置，同时通过比较隐层神经元的相似性、合并相似性较为接近的2个神经元来约简隐含层的神经元，以达到简化径向基神经网络结构的目的．实验比较了几种不同聚类算法的径向基神经网络，结果表明，所提神经网络的整体训练时间至少可缩短40％，学习的准确率可提高1%以上，而且网络结构更加精简．     

利用RBF神经网络实现高斯型函数积分

导出了在一定精度下高斯型函数积分近似表达式,利用径向基函数(RBF)网络具有良好的逼近任意非线性映射的特点,提出了一种改进的RBF网络方法以实现对高斯型函数积分。实验结果表明所提出方法具有较高的逼近计算精度。     

基于权值直接确定的任意基函数神经网络建模

以生物学和逼近论为理论基础,将任意一组线性无关的基函数作为各隐含神经元的激励函数,结合网络权值直接确定法建立了一个新的神经网络模型.仿真实验表明,该网络权值一步确定,收敛速度快,非线性逼近效果好.     

基于Gabor滤波器和RBF网络的人耳识别

人耳这种人体生物特征识别技术已受到广泛的关注。提出一种基于2-D Gabor滤波器和径向基函数(RBF)神经网络的人耳识别方法。应用Gabor滤波器对人耳进行多尺度多方向的特征提取,然后采用RBF神经网络优良的自学习能力和非线性分类能力进行人耳图像的训练和识别。与传统的PCA方法相比,该方法对光照和姿态转换具有很好的鲁棒性,并且对不同的数据库具有较好的泛化能力。在USTB人耳图像库的实验结果显示该方法的有效性。     

径向基函数神经网络在散乱数据插值中的应用,

针对径向基函数（RBF）神经网络的特点,结合网络设计工作,对计算机辅助几何设计（简称CAGD）中的散乱数据插值和曲面上离散点集的光滑插值问题,采用RBF神经网络进行求解,从应用结果来看,RBF网络适合于解决曲面离散点集的光滑插值问题,比传统的样条方法更有效,更方便,具有较好的使用价值,并且可以很容易地推广到求解高维散乱数据插值问题之中。     

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．     

一种基于径向基函数的高阶累积量算法

使用高阶累积量算法进行了盲自适应波束形成,计算了利用神经网络逼近波束形成的权矢量,通过Matlab仿真验证了该算法的有效性。     

一种基于进化计算的高斯径向基网络模型构建方法

为了提高高斯径向基神经网络模型的构建精度,将径向基中心、基宽以及连接权构成分区实数编码结构,将训练样本集作为每一个进化个体解码后的网络输入及输出,并将样本的期望输出同网络实际输出的平均误差平方和作为进化个体的适应度函数,将不同隐层节点数构成的进化个体的最优值作为设计问题的高斯径向基网络结构.采用2个Benchmark测试函数验证在不同隐层节点数情况下通过该进化算法构建的径向基模型的精度,从进化时间、进化代、最小适应度值以及均方根误差等方面作对比.结果表明,采用这种分区实数编码能高精度地构建不同设计问题的高斯径向基网络模型.     

基于径向基函数网络的能源消费量预测模型

采用径向基函数(RBF)神经网络方法进行能源消费量预测,建立了基于RBF神经网络的能源消费量预测模型。以我国1978~1997年的实际数据作为学习样本,对网络进行训练,拟合效果良好;以1998~2002年的实际数据检验网络,预测精度较高。并通过实例与BP网络进行比较,表明RBF网络预测模型优于BP网络预测模型。