改进型B样条网络函数及其应用

B样条网络函数可以作为模糊神经系统的隶属函数,通过指出常规B样条模糊隶属函数构造中存在的不足,提出了针对性的改进措施,从而既满足了B样条本身的性质,又从理论设计上避免了使系统不稳定的因素,增加B样条函数在作为模糊神经网络控制器的实际应用中的抗干扰能力,论给出了改进型B样条网络的设计过程以及实验结果,在实际电机速度控制系统的对比实验中证明了所提改进方法的有效性和实用性。     

B样条函数网络应用于曲线拟合

将 B样条函数网络应用于曲线拟合问题 ,并进行了计算机实验模拟 ,结果表明该网络是实用和有效的     

基函数在函数性数据拟合中的应用

文章依据至今最为重要的两个基函数,重点阐述了这两个基函数的定义,及其在多元回归统计中,函数性数据拟合上的应用,结合实际例子,具体操作,运用MATLAB软件,解决实际问题.     

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．     

三次和五次B样条函数在动力响应分析中的应用

工程结构动力响应分析中有多种近似算法,但都存在计算精度和计算效率不够高的问题,为进一步优化,该文在H am ilton型拟变分原理体系下,建立了一种时间子域以三次和五次B样条函数插值的时间子域法。结构动力计算算例表明,以B样条函数插值的新方法最大计算误差是传统算法的1/17~2/5,计算耗时是传统算法的1/10~1/3,而且这种时间子域法的三次B样条函数插值比五次B样条函数插值在某些工程问题中更具有适用性。     

一种基于模糊CMAC自学习模糊逻辑系统及其在控制中的应用

把HCMA（Hyperball Cerebellar Model Articulation Conroller)与模糊逻辑理论有机结合起来，形成FHCMAC（Fuzzy HCMAC)，它便于从输入输出数据中提取模糊规则，直接用作控制器。可以将FHCMAC看作用基函数网络实现的模糊逻辑系统，兼有HCMAC神经网络和模糊逻辑两者的优点，即可以较容易表达定性或模糊的经验知识，又具有很好的学习性能，应用仿真实例验证了其有效性，该方法可应用于难以获取模糊规则的吻合。     

关于Hilbert空间中样条函数构造

对一类样条,通过相应的B样条作内积运算,构造出一类新的稳定计算格式。对光顺样条也有类似结论。     

B样条函数在解椭园型方程中的应用

用Galerkin方法解二维变系数椭园型方程边值问题的一个关键是选择合适的基函数。本文用一种二元B—样条函数作为基函数。建立二维边值问题所对应的线性方程组,并写出它的具体形式,为实际应用和计算机编程提供方便。     

B—样条小波函数的付氏变换及其逆变换

由于－Ｂ样条函数的分段性给其付氏变换逆带来极大的不便，作者作分析Ｂ－样条函数的付氏变换出发，给出了求解Ｂ－样条函数付氏变换逆变换的一种简单而有效的方法。     

曲面样条函数在地图数字化中的应用浅析

本文通过对曲面样条函数在进行曲面拟合的分析，总结了实际应用中参数的选取对曲面拟合结果的影响程度，提出了实际应用的步骤。     

基于禁忌搜索的前向神经网络在函数逼近中的应用

为改善前向神经网络的性能,将禁忌搜索作为前向神经网络的训练算法,采用了一种集中性与多样性的自适应搜索策略,以提高禁忌搜索的有效性.并以正弦函数和sinc函数的逼近为例,验证了算法的可行性和有效性.     

径向基函数神经网络的一种在线学习算法

用在线学习算法和梯度法为学习规则,推导了径向基函数神经网络的在线学习算法,将影响网络输出的各个参数的学习过程作为一个整体来处理,并用Matlab实现了此算法.最后用一个26个印刷体大写英文字母的识别来验证此算法.实验的结果表明了该算法的正确性和有效性.     

RBF神经网络非对称损失改进及应用

针对应用RBF（Radial Basis Function）神经网络信用评分中存在的第Ⅰ类错误率高的问题，提出了基于Linex损失下RBF神经网络分类方法，并给出了UCI（University of California Irvine）中德国信用评分数据集上的测试结果。实验结果表明，该方法能有效解决传统RBF神经网络信用评分中存在的问题。     

CMAC神经网络的概念映射算法

在Ａｌｂｕｓ的概念映射基础上，给出了了ＣＭＡＣ神经网络的Ｎ维概念映射算法，并给予了证明，为ＣＭＡＣ神经网络应用提供了极大方便。     

不一致连续Hopfield网络及其应用

针对一致连续Hopfield网络容易陷入局部最小和不合理解的现象,给出了不一致连续Hopfield网络的能量分析,得到了使网络能量函数上升、下降和不变的条件.在此基础上,通过衰减自反馈,提出了求解旅行商问题(Traveling Salesman Problem,TSP)的新网络.通过仿真证实,该网络可有效地求解TSP问题.     

Linex损失下的BP神经网络分类方法及在人脸识别中的应用

针对一类特定目标人脸识别中存在的问题,提出一种基于Linex损失下BP神经网络的分类方法,并给出了剑桥大学ORL人脸库上的测试结果.实验结果表明,所提出的方法能有效解决传统BP神经网络特定目标人脸识别中存在的问题.     

径向基函数神经网络在反向工程曲面重构中的应用

将径向基函数神经网络应用于自由曲面的拟合。为解决反向工程的技术关键──自由曲面的重构提供了一个新的途径。     

基于鲁棒成本函数的随机模糊神经网络参数学习算法

为了解决采用最小方差型的误差成本函数进行输入含噪系统参数学习时的随机模糊神经网络(SFNN)参数不能收敛至真值的问题,将包含噪声方差的误差成本函数推广到多入单出系统,并根据鲁棒统计学理论和目标函数在参数学习中的导向作用,对目标函数进行修正,使之对于不服从统计分布的粗大误差也能有效处理.在此基础上提出了SFNN的鲁棒参数学习算法,并且输入输出数据中的噪声方差也通过学习而得到,从而避免了需要多次测量的要求.结果表明,SFNN的鲁棒参数学习算法能抑制粗大误差和系统噪声.最后,通过仿真对比验证表明了该方法的有效性.     

基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

用神经网络建立消费函数的数学模型

宏观经济的预测常采用数学回归法建立其数学模型 ,这种方法的不足之处在于模型的结构 (解析式 )与其构造者的经历、阅历和知识结构有关 ,因而带有某种程度的主观性 ,不能充分映射经济系统复杂的非线性函数关系。本文将神经网络引入经济系统的建模之中 ,并用它建立了河南省城镇居民的消费函数模型 ,取得了较为满意的预测结果。