基于径向基函数神经网络的投资预测模型

利用径向基函数(RBF)神经网络,建立投资预测模型,有效解决经济投资预测中非线性预测问题.以历史数据为例,对所建立投资预测网络模型进行仿真、分析仿真结果.根据生产总值与投资分配之间存在的映射关系,应用RBF神经网络建立投资预测模型.模型既真实地表达了投资要素之间的高度非线性关系,又考虑了分配结构的优化问题,具有很高的预测精度,更具有较强的实际应用意义.     

基于视觉原理的分类算法

从一种新的基于生物视觉原理的观点,提出了一种新的数据分类算法.将数据集看作图像,利用高斯导函数进行特征提取,并用提取出来的特征计算数据的局部结构,在此基础上设计各向异性感受野函数,最后根据各向异性的核函数构造出分类决策函数.在标准测试集上的实验表明:所提出的算法与支持向量机算法分类正确率相当,同时具有更高的训练速度;与Parzen窗分类算法相比,尽管训练速度相对较慢,但分类精度明显提高,很好地综合了分类算法对训练速度和分类精度的要求.     

基于分级偏最小二乘回归的径向基函数神经网络

为提高径向基函数神经网络的泛化性能,提出一种利用分级偏最小二乘回归方法构造径向基函数神经网络的方法,逐步增加网络中的隐节点数直至达到合适的网络规模,消除了训练数据中存在的多重共线性对网络泛化能力的不利影响.所得径向基函数神经网络的泛化能力比偏最小二乘回归构造的径向基函数神经网络提高了约30%.船舶航向跟踪预测控制仿真验证了该算法的可行性和有效性.     

基于双目立体视觉的三维建模算法

根据双目立体视觉成像原理来完成特征点深度信息的恢复,提出了一种基于图像的三维建模方法。利用该方法标定出相机的全部内外参数;利用双目立体视觉成像原理,根据不同位置拍摄的2幅或多幅照片中的对应点的图像坐标,计算它们在空间中对应点的三维坐标,实现了由多幅图像来恢复物体的深度信息;最后,利用这些坐标在Rhino中实现了由离散的稀疏点云数据建立三维实体模型。     

基于ROLS的径向基函数神经网络实现数字调制自动识别

针对径向基函数(RBF)神经网络和统计模式识别的特点,提出利用递归正交最小二乘法(ROLS)的RBF神经网络实现数字信号调制样式的自动识别。仿真结果表明,利用ROLS算法很好地实现了RBF神经网络权值的确定和中心的选择,从而大大减少了网络的训练样本数和训练时间,提高了网络的识别性能。     

基于回归神经网络的复杂工业对象的建模

讨论一种动态神经网络－Ｅｌｍａｎ回归神经网络的结构和算法,基于这一网络结构提出了非线性时变工业对象－直流电弧的神经网络建模方法,并与用其他方法为对象建立的模型进行了比较。     

一种基于视觉原理的新聚类算法

将视觉原理和生物物理学中著名的Weber定律结合在一起，提出一个基于视觉原理的新算法，实现了有效而且无参型聚类，并且提出了相应的新代价标准．仿真实验表明对于非线性一不可分的数据集，该新聚类算法有效，获得了传统聚类算法(如FCM)所达不到的效果．     

基于径向基函数的神经网络在线辨识的PID控制

针对工业控制领域中的非线性时变系统,讨论了RBF神经网络的在线辨识的算法,并与传统的PID控制相结合,对非线性时变对象进行了仿真实验.从实验结果中得出,通过RBF神经网络的在线辨识,对PID参数在线自整定,取得了比传统PID控制更好的效果.     

基于径向基函数插值的色域边界研究

在彩色图像的跨媒体复制过程中,色域边界的确定对于有效进行色彩复制至关重要。本文采用Zernike多项式表示色域映射的边界的方法,求出色域映射的边界面。为更准确地描述色域边界,针对有限的色域边界点测量数据,本文基于径向基函数插值法,将采集的色域点数据进行了插值处理。插值后的色域函数连续性、光滑性更好,更贴切反映了物理量的连续变化规律。     

基于Petri网和OMT的具有计算机视觉的FMS建模

文章通过分析 Petri网和 OMT建模工具的特点 ,提出一种 Petri网与 OMT相结合的建模方法 ,并用该法对具有计算机视觉的 FMS建模 ,使模型不仅能充分体现系统的动态属性 ,而且具有良好的可重用性     

基于RBF神经网络的自回归系统辨识模型

根据神经网络能以任意精度逼近任意非线性连续函数的特点,通过径向基函数神经网络构建非线性动态系统的辨识模型。针对该模型输入值超出径向基函数的映射区域时将导致系统辨识输出值为零的现象,提出了一种基于改进径向基函数结构的自回归系统辨识的方法,有效地消除了零现象。这使得自适应辨识模型在较大的输入向量下能够逼近实际系统的输出,从而提高了系统辨识的鲁棒性。该方法的可行性得到了仿真验证。     

基于RBF神经网络的天线阵方向图建模

介绍了径向基函数(Radial Basis Function,RBF)神经网络对阵列天线方向图进行建模的方法,并基于MATLAB仿真平台对由对称振子构成的二元阵、N元边射阵等多种阵列天线进行建模,所有的训练数据是由经典公式计算所得.仿真结果表明经过训练的RBF神经网络可有效地用于阵列天线方向图建模,为天线分析与设计提供很好的帮助.     

基于可视化对象建模技术(VMT) 开发教学管理系统的研究

本文介绍了可视化对象建模技术（VMT）的基本思想，及利用VMT技术开发教学管理系统的过程，并通过对系统功能模块组成、数据库结构及逻辑关系的设计分析，论述了VMT技术的特点，经实际应用表明，所设计的系统先进，运行稳定，使用方便，具有较强的实用性。     

基于灰色系统理论的叉车声品质分析与预测建模

为了研究灰色系统理论在声品质预测建模方面应用的有效性,本文以5款3吨位叉车在怠速和额定转速工况下的30个车内外辐射噪声样本为研究对象,以烦躁度为主观评价指标,采用等级评分法进行了主观评价实验;运用ArtemiS软件分析计算了主要心理声学客观参数,选取了响度、尖锐度、粗糙度和抖动度为主要分析对象;运用灰色系统理论算法分析了烦躁度与心理学客观参数的相关性,得到各相关系数,证明了所取心理学客观参数与烦躁度之间具有较高的相关性;基于灰色系统理论的GM(0,N)模型,建立了烦躁度的预测模型,并对预测模型进行了误差检验;结果表明基于灰色系统理论所建立的烦躁度预测模型具有较高的精度,即预测值能够较接近人的主观感受。     

基于复杂适应理论的电子信息系统模型构建

以复杂适应系统(CAS)理论为基础建立了电子信息系统模型.研究了体系的层次结构,分两层描述体系并对每一层包含的Agent进行了界定,最后对体系内部各个系统的运行原理进行了研究并给出了关键算法.     

基于高斯RBF神经网络的可伸缩机械臂系统动态建模与仿真

设计了一种新的多模块机器人机械臂系统,该机械臂的每个模块具有可伸缩杆和旋转节两部分.为了进行有效控制,给出了系统的解析公式和机械臂自适应控制的相关技术.使用高斯函数的RBF神经网络对系统的动态方程参数进行了估计,使用李亚普诺夫稳定性分析确定神经网络权重的自适应修正规则,并给出了相应的自适应控制器模型.对该机械臂系统的控制进行了计算机仿真分析,结果表明:该方法在响应时间和控制精度方面都有提高,并且在有负载等非线性事件突然干扰的情况下亦能进行有效控制.     

基于系统理论的新安江模型分析

利用系统建模理论对新安江模型的假设、模型的结构和参数进行了全面的分析,指出了新安江模型在湿润半湿润地区成功应用的原因,为今后干旱半干旱地区水文模型的建立提出了系统理论建模的方法。     

基于RBF神经网络逆系统的注射速度控制

为了实现注射速度的精确控制,针对其非线性时变的动态特性,提出了基于神经网络逆系统的控制方法.采用M.Rafizadeh模型描述注射速度系统特性,通过求解该系统的相对阶证明了系统的可逆性.由于注射速度系统逆模型的解析形式难以获得,因此构造了基于RBF神经网络的注射速度逆系统,并将该系统与常规PID控制相结合,对注射速度实现复合控制,解决了基于RBF神经网络逆系统的开环控制效果不理想的问题.仿真实验表明,该控制系统具有良好的跟踪性能及抗干扰性能.     

基于TRICHOTOMY模型的可视化建模工具软件测试实例

本文通过总结大量的实例测试,提出了基于TRICHOTOMY模型的可视化建模系统测试方法。对于该方法,文中主要介绍了其在可视化建模工具软件测试中的实例应用。同时为了展示测试的过程与结果,文中给出了两例具体的应用测试图示。