基于蚁群算法改进聚类算法的RBF-NN在PID控制中的应用

针对非线性系统,采用了径向基函数(RBF)网络的PID整定。由于传统RBF网络的聚类算法聚类质量不高,参数的初始值直接影响收敛速度。该文通过运用蚁群算法和k-均值算法对聚类算法进行改进提高聚类质量并且优化初始值。仿真结果表明,经过对聚类法改进的RBF网络收敛速度快速、精确,PID整定效果优于未使用该方法的整定效果。     

基于改进RBF神经网络的美元指数预测

首先介绍了RBF神经网络的原理.然后叙述了RBF神经网络的正交最小二乘算法,针对此算法在选择网络宽度上的不足,在原算法的基础上提出一种改进算法,该算法通过优化网络的宽度,提高了网络对时间序列逼近的准确度.对美元指数进行预测,预测结果表明改进的算法有良好的性能.     

基于PSO聚类分析和RBF网络的短期电价预测

针对短期电价预测具有的周期性及难预测性等特点,研究现存的人工神经网络预测方法,提出一种基于PSO聚类分析和RBF网络的短期电价预测方法。利用粒子群算法优化聚类分析的聚类半径,并用优化后的聚类方法对电价的历史数据按相似的程度分类,得到一类相似度最高的数据作为输入数据并进行预处理,建立相应的RBF网络预测模型,对短期电价进行预测仿真。通过实例分析验证了该预测模型能够有效、稳定地将预测精度提高至0.3%左右。     

基于RBF神经网络多用户检测方法的设计

基于免疫算法和免疫进化网络,提出了一种训练RBF网络的混合算法.该算法采用了一种可以实现数据聚类的免疫进化网络,根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置;采用免疫算法训练RBF网络,使优化过程趋于全局最优.通过计算机仿真证明,将该方法应用于多用户检测中获得了比传统检测器和其他方法训练的RBF网络多用户检测器更好的误码率检测性能.     

基于改进kmeans聚类方法的RBF神经网络设计

提出了一种利用改进的kmeans聚类算法确定径向基函数的数目、基函数中心及宽度,输出层权值由线性方程组确定的RBF网络设计方法．通过对函数逼近的仿真实验,表明该RBF网络比Kmeans聚类算法设计的RBF网络更加稳定高效．     

基于双层网络的混合PSO算法的RBF建模

针对RBF网络的建模问题,设计了基于双层网络的建模方法。第一层网络采用随机方法确定了隐层单元数,并利用并行PSO算法对网络进行初步训练,第二层网络采用了主从粒子群的方式,借鉴了遗传交叉的思想,对第一个网络的最优解进行了再训练以提高网络的训练精度。从对非线性系统的仿真结果看,该方法最终确定的隐层单元数比较少,与RBF网络相比有着一定的优越性,而且优于单层并行PSO算法的RBF网络。     

基于RBF的碟式太阳能集热器温度预测研究

影响碟式太阳能集热器出口温度的因素较多,采用传统数学方法模拟较为复杂.利用RBF神经网络建立碟式太阳能集热器出口温度预测模型,为提高RBF的预测精度和学习效率,采用最近邻聚类算法选取基函数的中心,应用实际数据进行网络训练,网络预测结果较为准确.将本算法与传统的RBF神经网络进行仿真预测对比,本算法的结果和算法学习效率都要好于传统的RBF神经网络,验证了该算法的可行性和有效性.     

RBF网络在图书馆流通量预测中的应用

根据径向基函数(RBF)网络的理论以及图书馆流通量影响因素,提出了基于RBF网络预测图书馆流通量的模型,利用图书借阅的原始统计数据对该模型进行了计算,指出该算法用于预测图书馆流通量是可行和有效的,具有一定的应用参考价值.     

RBF网络在线辨识算法与应用研究

提出了一种确定RBF网络中心向量的动态递推算法 ,介绍了RBF网络线性层连接权值的递推最小二乘算法 ,利用这些算法对蒸发器过热度进行了在线辨识 ,同时对网络结构和算法的参数变化对辨识精度的影响进行了研究 .仿真结果表明该算法辨识速度快、精度高 ,可用于在线控制 .     

RBF网络在图书馆流通量预测中的应用RBF网络在图书馆流通量预测中的应用

根据径向基函数（RBF）网络的理论以及图书馆流通量影响因素,提出了基于RBF网络预测图书馆流通量的模型,利用图书借阅的原始统计数据对该模型进行了计算,指出该算法用于预测图书馆流通量是可行和有效的,具有一定的应用参考价值。     

一种改进的动态矩阵控制算法

提出一种动态矩阵控制算法的改进算法,并用该算法对具有大时滞的系统进行研究.通过仿真试验与常规动态矩阵算法控制进行了比较,结果表明改进的动态矩阵控制算法在大时滞系统控制中具有较好的控制效果.     

动态矩阵控制算法的改进和应用研究

推导了改进的动态矩阵控制算式,对其特性进行了理论分析和数字仿真,证明了该算法可以用于解决具有纯滞后的过程和非最小相位过程的控制问题,并且具有极强的鲁棒性。为了使该算法能适应时变过程的控制需要,加入了脉冲响应系数辨识,并对这种辨识进行了简化。在数字仿真的基础上,作者用Z-80汇编语言编制了自适应动态矩阵实时控制软件,闭环模拟实验证明了该控制软件可以广泛地应用于实际过程控制。     

动态矩阵控制在营养液调配中的仿真研究

营养液调配控制系统是一个非线性、滞后参数时变的非最小相位系统，同时还存在各种约束条件．因此，要想精确建立其数学模型是非常困难的．针对这一特点，本文利用系统阶跃响应序列建立一种非参数模型，并提出了带误差变化率反馈校正的动态矩阵控制改进算法，并通过仿真实验比较证明了改进算法的正确性和有效性．     

基于菌群RBF神经网络的股票价格预测

利用菌群算法提出了一种新的菌群RBF神经网络算法，并将其应用到股票价格预测，同时在预测中引入了技术指标模型。仿真试验表明，相比于传统的RBF神经网络算法，菌群RBF神经网络算法可以得到更好的训练效率和预测结果。     

飞机多学科设计优化中改进的径向基神经网络法

用径向基神经网络方法构造近似模型常常难以满足精度要求,提出了一种把二次响应面与径向基神经网络相结合的算法。该方法在样本点相同的情况下减小了近似模型的推广误差,提高了近似精度,增加了适应性。通过2个算例表明该算法提高了近似模型的精度,可在多学科设计优化中提高设计效率和质量。     

一种用于RBF神经网络的支持向量机与BP的混合学习算法

基于支持向量机与径向基(RBF)神经网络在结构上的相似性,提出了一种用于RBF网络的支持向量机与BP的混合学习算法．算法分为2步：首先采用序贯最小优化算法学习训练支持向量机,得到RBF网络较优的初始结构和参数;随后由BP算法调整优化RBF网络参数．混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点．仿真研究表明,混合学习算法学习效率高,网络性能优良,应用于函数逼近时效果优良．     

径向基函数神经网络正交最小二乘改进算法的实现

综合现有文献提出的径向基函数(RBF)神经网络关于正交最小二乘学习算法,对它作了改进,增加对于回归矩阵线性无关的判断及β值调整的方法,提出具体编程实现.通过仿真实例证明了该算法的价值.     

基于遗传算法和神经网络的色谱重叠峰解析

提出了一个新的色谱重叠峰解析方法———基于遗传算法(GA)和EMG模型的径向基函数神经网络(EMG-RBFNN)的色谱重叠峰解析。为了使EMG-RBFNN具有结构重组能力,用于色谱重叠峰解析的EMG-RBFNN采用了遗传算法。遗传算法具有鲁棒性和全局优化能力,若种群过小,则陷于局部极值点的概率将增高,而EMG模型是一个低效模型,选用过大的种群,必然使解析过程加长。为了提高算法效率,文中提出先用高效色谱峰近似模型———标准高斯模型进行繁衍,而后再用EMG模型的快速算法。     

动态矩阵控制算法及其在锅炉控制中的应用

本文用Z-80汇编语言编制了便于在锅炉上直接应用的DMC技术的算法程序;同时对DMC技术的几个主要参数进行了大量的仿真研究,得出了DMC控制参数的一般选择原则.对DMC技术的实际应用特别是在锅炉中的实际应用具有一定的指导作用.     

行为逼近的动态矩阵控制算法

通过改进动态矩阵预测控制算法中的目标函数，使得对象响应的动态行为更加逼近参考轨迹的动态行为；控制响应中平稳，系统更具鲁棒性；改善了控制品质，同时也不增加太多的计算量，仿真结果表明了这种算法的有效性。