基于Reflected Sigmoid径向基函数插值的温度场重建算法

声学法测温在特殊的温度场环境中有良好的应用,主要是利用有限的超声波传播路径上的飞行时间重构出连续分布的温度场.现有的温度场重建算法中最小二乘法是最常用的方法,但其重建后的温度场会出现边缘信息缺失的现象.针对这一问题,提出在最小二乘法确定温度矩阵的基础上,结合Reflected-Sigmoid函数进行插值,实现了二维平面温度场的无缺失重建.通过两种典型的单峰温度场模型的重建结果及误差分析表明,在补全温度场边缘的条件下,单峰对称温度场的均方根百分误差在1.6%,单峰偏斜温度场的均方根百分误差在3.5%,取得了很好的重建效果.     

改进的基于径向基函数的曲面重建算法

目的改进基于径向基函数的曲面重建算法。方法针对数据量过大,无法在中低端计算机上进行曲面重建的问题,采用分而治之的思想,将点云曲面先分割后重建。结果所给方法能够明显提高曲面重建效率,实现了在中低端计算机上的曲面重建。结论对于不规则的待重建物体,使用任意方向的包围盒比使用轴向包围盒能更好地降低重建过程中的运算次数。     

径向基函数方法在曲面重建中的应用

本文介绍了曲面重建的基本原理,论述了RBF插值的数学原理。并应用RBF方法对散乱点云模型进行了验证,实现了散乱点云的三维重建。但该算法目前效率还比较低,不适合应用于大量散乱数据的三维重构,有待于进一步优化。     

高阶平滑基函数重建三维温度场

研究了三维温度场的全息干涉测量方法．实验中采用实时全息干涉法获得三维温度场的多方向全息干涉投影数据,在重建过程中充分利用了温度场的平滑性．数值计算和实验证明局部高阶连续基函数重建温度场优于其他基函数     

高阶平滑基函数重建三维温度场

研究了三维温度场的全息干涉测量方法,实验中采用实时全息干涉法获得三维温度场的多方向全息干涉投影数据,在重建过程中充分利用温度场的平滑性。数值计算和实验证明局部高阶连续基函数重建温度场优于其他基函数。     

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．     

云模型优化径向基函数神经网络算法研究

径向基函数(RBF)神经网络广泛用于各类医学预测模型中,针对RBF神经网络隐含层高斯径向基函数的参数确定困难,影响癌症预后模型的因素具有多样性和模糊性等问题。利用云模型优化RBF神经网络算法,通过高维云变换确定RBF隐含层神经元,优化RBF神经网络结构。用来自美国国家癌症研究所监测、流行病学和最终结果(SEER)数据库的4 771例食管鳞状细胞癌患者数据建模仿真与传统的仿真对比,证明该模型预测生存期的C-index为0.705,远高于肿瘤等级、列线图和RBF神经网络(0.598、0.627和0.632),能更好更准确地对食管鳞状细胞癌患者进行预后预测。     

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。     

基于径向基函数神经网络的语音识别

提出一种基于径向基函数神经网络的改进聚类方法,并将此改进的神经网络应用于语音识别领域,建立一个非特定人的孤立词语音识别系统.此聚类方法采取有监督的学习方式,将训练样本的形心作为隐节点的质心,训练样本的分类数作为隐节点的个数.利用该方法对小词表汉语孤立词进行语音识别.结果表明,采用此算法的径向基函数的神经网络具有更好的分类能力,训练速度和识别率均优于传统的径向基函数网络.     

径向基函数神经网络结构的混合优化策略

为了解决一类径向基函数神经网络的结构优化问题,提出了一种有效的混合优化策略。将结构优化问题转化为一类组合优化问题。利用结合遗传算法群体并行搜索能力和模拟退火概率突跳特性来改善优化效率并避免局部极小的混合策略。借助于有效的编码方式在结构解空间中优选网络结构。利用梯度下降计算隐层到输出层的连接权。增添和删除操作用于增加结构搜索的灵活性。为保证所得网络具有较好的推广能力,利用训练误差和检验误差的综合指标作为算法择取优良网络的依据。仿真研究表明,所提混合策略是快速有效的,且能保证网络具有较好的推广性和抗噪声能力。     

基于径向基函数网络的二维平面标定方法

二维平面的标定即恢复某平面上点的世界坐标。传统的考虑各种非线性畸变的标定方法十分繁琐，而径向基网络可以实现从输入到输出的任意非线性映射，因此可将径向基网络应用于二维平面的标定。用神经网络来拟合摄像机的反投影过程，经训练建模后，网络输出能够反映训练样本的特征，可以得到较高的标定精度。实验结果证明了该算法的可行性。     

基于径向基函数法的特高压直流输电线路地面标称电场计算

输电线路地面标称电场强度的大小是输电线路设计需要考虑的重要参数.针对有限元法在计算中面临的网格剖分和计算时间较长问题,将基于径向基函数(RBF)的无网格法引入到直流输电线地面标称电场的计算中,阐述了RBF的定义和此法的原理、实施步骤,通过编制程序,进行仿真计算,并讨论了不同输电线参数对地面标称电场强度的影响.算例分析表明:运用此法计算的地面标称电场结果和已有文献值较为接近,并与具有解析解的电缆模型电场强度值吻合得很好,说明该方法具有较高的准确性和有效性;导线对地高度和极间距离对地面标称电场强度的影响较大,次导线半径和分裂根数对地面标称电场强度的影响较小.     

基于径向基神经网络的有限元模型修正研究

模型修正属于反问题的一种,针对其非线性、计算量大等不足之处,提出一种基于径向基神经网络的有限元模型修正方法,并把反问题归结为正问题进行研究。该方法将特征量作为自变量输入、设计参数作为因变量输出,用试验设计构造样本,以径向基神经网络逼近两者之间的非线性映射关系,利用神经网络的泛化特性直接输出设计参数的修正值。某空间钢结构模型的计算结果验证了该方法的有效性。     

基于径向基函数神经网络的胎儿心电提取

针对胎儿心电难以提取问题,提出一种从母体腹壁混合信号中提取胎儿心电的方法.利用径向基函数(radial basis function,RBF)神经网络估计母体心电信号传导至腹壁的非线性变换,将非线性变换后的母体心电信号从腹壁混合信号中减去,再通过小波包去噪技术抑制胎儿心电的基线漂移和噪声,得到清晰的胎儿心电.应用临床心电数据完成实验,在胎儿心电和母体心电QRS波完全重叠情况下,提取出清晰的胎儿心电.实验结果验证了方法的有效性.     

河网洪水预报径向基函数人工神经网络方法

讨论了神经网络在河网水流数值模拟中的运用现状,并基于河网水流数值计算模拟的特点,将径向基函数神经网络方法应用于复杂河网水流．模型采用混合学习算法,选用高斯核函数作为隐藏层基函数,充分发挥其表示形武筒单、径向对称、光滑性好和解析性好的优势,并采用k-均值聚类算法来确定径向基函数的参数,运用最小二乘法求解权值．建立了珠江三角洲河网的洪水预报模型,计算表明,预测结果与实测数据吻合较好,该模型具有运算速度快、简便易用且预报精度较高等特点．     

基于径向基函数神经网络的工程造价估算

提出了一种更有效的前向网络——径向基函数(RBF)神经网络,以多、高层办公楼为例,建立了工程造价的估算模型,运用MATLAB语言程序实现,同时采用同样的样本对BP网络进行训练,两者结果比较表明,这种方法弥补了BP网络存在的收敛速度慢,易陷入局部最优等缺陷,从而大大提高了其实用性,是对造价估算方式的又一新的尝试。     

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。     

基于径向基函数神经网络的功率器件集总参数热模型

功率器件易发生热击穿故障,为准确估计其运行温度,需建立器件的热分析模型。然而,当多个功率器件排布距离较近时,器件间的热耦合作用会导致模型中的热参数难以获取。为此,引入导热时间常数τ和温升变化率k两个热参数,建立了功率器件集总参数热模型;并提出通过径向基函数神经网络,对参数τ和k进行估计,克服模型热参数难以获取的问题。以单相全桥电路为对象,通过温升实验,对所提功率器件热模型的有效性进行了验证。     

基于径向基函数和模糊逻辑的短期电力负荷预测

综合考虑温度、日期类型和天气等因素对短期电力负荷的影响,提出了将径向基(RBF)网络和模糊逻辑相结合的预测方法。利用具有非线性逼进能力的RBF神经网络预测出预测日的最大负荷值和最小负荷值,并用模糊逻辑预测出预测日的负荷系数,进而得到预测日的负荷值。实际算例表明:该方法同BP网络相比,具有较高的预测精度,证明了该方法的有效性。