利用能量守恒和径向基函数插值的流固耦合界面数据传递方法

根据界面能量守恒原理,将径向基函数(RBF)引入流固耦合分析领域,提出了基予RBF插值的流固耦合界面数据传递方法(RBF/FSI).推导了界面位移传递矩阵,并根据RBF/FSI算法编制了相应的界面信息传递的计算程序.以三维耦合界面的位移信息传递为例,将数值计算结果和解析解进行了对比分析,结果表明,RBF/FSI算法计算效率高,计算结果准确,适合处理复杂耦合界面的流固耦合信息传递.此外,RBF/FSI算法允许CSD(计算结构力学)、CFD(计算流体力学)采用任意网格形式,因此在CSD和CFD计算程序之间可以开发独立的界面信息传递接口程序,很容易实现弱耦合分析.     

紧支径向基函数解方程的若干问题(一)

不论是用Rayleigh-Ritz方法或配点法求解偏微分方程,紧支径向基函数都可以替代其他的无网格法的工具,比如multiquadrics函数。它们能生成稀疏的且条件数较好的矩阵。本文总结了这个领域的一些研究成果。     

基于紧支径向基函数的配点型无网格法

介绍基于紧支径向基函数的配点型无网格法,此方法无需背景积分网格,是一种真正的无网格法,且能克服全域性径向基函数所导致的系数矩阵为非带状满阵的缺点,通过对Poisson方程的求解,探讨配点密度和紧支域大小对解精度的影响。     

用基于紧支径向基函数的无网格法求解非齐次方程

将边界节点法(BNM)中的移动最小二乘近似方案用紧支径向基函数(CSRBF)代替,解决了BNM中本质边界条件较难处理的问题.用CSRBF逼近非齐次方程的特解,相应的齐次解用改进的BNM表示,发展了一种基于CSRBF的求解非齐次问题的无网格法.数值算例验证了该方法的可行性和有效性.     

基于径向Hermite基函数的散乱数据隐式拟合

提出一种新方法拟合给定的散乱数据点集,该方法只需利用散乱数据点的法矢信息,而无需求解方程组,且不需要额外的内、外部约束点.对于给定的三维散乱数据点和相应的法向量,新方法可以产生一个隐式函数,其零水平集插值给定散乱数据点和相应的法向量.     

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。     

基于径向基函数的3D散乱数据插值多尺度方法

提出一种新的用径向基函数插值3D散乱数据的多尺度方法. 对于给定分布在曲面上的散乱数据点, 首先通过空间划分形成一个粗糙到完美的分层点集; 对于给定的控制误差, 先在粗糙层对点集进行插值, 再对每个分层上的点集进行插值,  将其作为对前一层得到的插值函数的弥补. 数值试验结果表明, 该方法可以利用较少的采样点达到较高的逼近精度, 并且算法比较容易实现.     

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．     

紧支集M-可加细样条函数的特征

Rⁿ空间中单纯形剖分上紧支集样条函数φ的可加细特征, 给出了当加细方程的伸缩矩阵〖WTHX〗M〖WTBX〗是一个所有特征值的模都大于1的n×n整数矩阵时, φ是M-可加细的等价条件, 并进一步给出了φ的平移族构成Riesz基的充要条件.     

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.     

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。     

基于改进免疫算法的两级径向基函数网络学习方法

结合改进的免疫算法和最小二乘法,提出了一种设计径向基函数(RBF)网络的两级学习方法。该方法利用免疫算法确定RBF网络隐层的非线性参数,能够有效克服进化算法的未成熟收敛现象。改进的免疫算法针对RBF网络的特点,采用基于矢量距离的亲和度计算方法,克服了原有基于信息熵计算方法存在的计算复杂、参数难于确定的缺陷。将这种方法设计的RBF网络用于Mackey-Glass混沌序列预测的仿真实验证明了该方法的有效性。     

基于径向基函数神经网络的海南省社会经济数据分析

本文提出了基于径向基函数神经网络的预测方法,综合分析了近年来海南省经济数据的特点,考虑了决策变量之间的耦合和不确定关系,并解释了变量构建决策因子矩阵,同时将预测函数作为目标矩阵,使用神经网络方法训练权重,仿真结果证明:分析可行有效,可对经济走向做出合理的预测.     

基于流固耦合的直接虚拟区域法离散δ函数研究

研究直接虚拟区域法中欧拉点和拉格朗日点上速度、虚拟力等物理量的交换函数在流固耦合计算中的应用.通过直接虚拟区域法中运用不同类型和收敛阶的离散δ函数,对颗粒在液体中自由沉降的流固耦合问题进行分析,得出了选择直接虚拟区域法中离散δ函数的原则.根据欧拉网格特点选择δ_h(r)函数和拉格朗日网格特点选择δ_h(r)函数,率先提出了δ_h(r)≠δ_h(r)的新构造方法,使直接虚拟区域法能更加精确和高效地模拟出颗粒在流体中自由沉降这一重要问题,并通过了数值试验论证.     

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。     

基于径向基函数的城市日用水量预测方法

结合城市日用水量影响因素的特点和变化规律，分析探讨了城市日用水量预测模型的求解方法．建立日用水量和其相关因素之间的预测模型，分别采用径向基函数（RBF）网络算法与支持向量机（SVM）回归法求解该预测模型．RBF网络具有结构自适应确定，输出不依赖初始权值的优良特性；SVM回归法采用结构风险最小化准则（SRM），以统计学习理论作为理论基础，运算速度快，泛化能力强，预测精度高．通过分析验证的结果，证明了该日用水量预测模型的可行性，采用RBF和SVM两种求解方法均能得到满意的结果．