RBF神经网络中心选取算法

径向基函数网络构造中的关键问题是网络中心的选取,最小二乘算法采用正交化方法,独立计算回归算子对输出的贡献,故使中心的选择步骤简单有效。给出了最小二乘算法及其应用函数逼近的实例,结果证明,由于计算过程中应用了这一算法的正交化性质,所以网络调整时对已有模式的扰动达到最小。这说明最小二乘算法不仅简单有效,而且性能优越,并有较强的实用性,在许多领域有广泛应用。     

基于Volterra基函数网络的自适应逆控制方法

提出了一种基于Ｖｏｌｔｅｒｒａ基函数（ＶＰＢＦ）网络的非线性系统自适应逆控制方法。对象和逆控制器各用一个ＶＰＢＦ网络表示,应用正交最小二乘算法进行离线网络结构确定和权值初始化,构造了一种动态归一化非线性最小均方（ＤＮＮＬＭＳ）权值更新算法,以进行网络权值的在线学习。仿真结果表明,该方法具有算法简单、学习速度快、鲁棒性能好等优点。     

一种新型径向基函数神经网络学习算法：递归正交最小二乘法（ROLS）

径向基函数神经网络在很多领域得到了成功的应用。但迄今为止仍没有一种有效的方法来确定隐层中心数目，笔者将递归正交最小二乘（ROLS）方法引入RBFNN建模训练，利用ROLS算法训练网络后所得的有用信息，采用后向选择算法，逐步去掉那些使网络残差增加最小的中心，在得到网络有效中心的同时，还满足了精度要求，从而大大简化了RBF网络结构，节约了大量的存储空间以及计算量。仿真和实验结果表明该方法是有效而实用的。     

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．     

基于正交最小二乘法的径向基神经网络模型

为提高神经网络模型的预测精度以及提高模型的计算效率,减少获得高精度模型的计算量,构建了基于正交最小二乘法的高斯径向基神经网络模型结构,给出了最小二乘法高斯径向基神经网络的递归模型.依据样本点序列信息,给出了高斯径向基函数中心参数的确定方法,并采用正交最小二乘法回归迭代,从而获得隐层同输出层间的连接权参数值.采用混沌Lorenz时间序列预测问题对该设计的网络模型进行验证,并同其他文献对该序列预测的精度以及迭代所需的时间作对比.结果表明,采用该设计方法获得的网络模型具有时间预测精度高及计算效率高等优点.     

基于OLS动态模糊神经网络结构研究

最小正交二乘算法(OLS)采用正交化方法,独立计算回归算子对输出的贡献进行动态模糊神经网络基函数的中心的选取, 对网络结构进行调整产生的扰动比较小. 仿真实验表明,该方法较其他方法构造的网络系统更适合于实时领域.     

求解开腔体时谐散射问题的数值算法

针对一类开腔体时谐散射问题提出一种有效的数值算法. 该算法先对计算区域进行简单剖分, 再利用Fourier Bessel函数和平面波函数去近似解的局部性态, 并利用散射场的多极展开式逼近解在无穷远处的性态; 然后借助最小二乘算法迫使数值解在子区域内边界处近似满足连续性条件. 数值模拟验证了算法的有效性.     

光栅衍射问题数值计算的最小二乘方法

针对光栅衍射问题提出一种最小二乘算法. 在计算区域简单剖分的基础上, 选取平面波函数近似解的局部性态, 并利用Rayleigh展开的有限项截断近似解在无穷远处的性态. 结果表明, 该方法适用于一般形状的衍射光栅和大波数情形, 应用过程简单, 所需剖分单元少, 收敛速度快. 数值实验验证了算法的有效性.     

一种小波神经网络的快速学习算法及其应用

提出一种基于最小二乘的小波神经网络的快速学习算法,与现有的同类算法相比,该算法无需任何矩阵运算,兼有快速收敛和计算量较小的特点,有助于提高小波网络的实时性能,推导了算法,几个典型的函数逼近的仿真实例表明了算法的优良性能。     

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.     

一种基于光标记交换技术的全光网络的设计方案

光标记交换（OLS：Optical Label switch)是一种新的光交换新技术，OLS是光包交换（OPS：Optical Packet Switch)的实现形式，90年代以来，OLS从器件、系统、网络诸方面正以惊人速度向前发展，并逐步向实用化迈进。提出了一种基于光标记交换技术的全光网络的新的设计方案，叙述了这种方案的设计原理和该网络的功能，给出了光标记交换全光网的拓扑结构和OLS节点的结构。     

非线性系统定阶的神经网络方法

前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。ＯＬＳ算法是构筑径向基神经网的一种学习算法，但是采用ＯＬＳ算法构筑神经网存在推广性问题。ＲＯＬＳ算法将ＯＬＳ算法与正则化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）方法相结合，以提高算法的推广能力。本文将基于径向基网的ＲＯＬＳ算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究，结果验证了方法的有效性。     

小波在信号消噪处理中的应用

利用正交样条小波对信号进行消噪处理，并与其他常用的小波如Daubeches小波作了比较．实验表明，利用正交样条小波进行信号消噪处理可得到很好的效果．     

优化的RBF神经网络在入侵检测中的应用

在入侵检测的应用中,RBF神经网络训练样本的数据量比较大,但是训练中广泛应用的OLS方法存在大数据量训练时间过长、不能根据数据特性确定平滑参数的缺点。针对此问题该文采用了一种基于快速模糊C-均值算法(AFCM)和正交最小二乘法(OLS)算法相结合的AFORBF训练算法;试验证明,AFORBF算法解决了RBF在入侵检测系统中处理大数据量时间过长的问题,获得了较高的检测率,简化了网络结构,提高了网络性能。     

小波神经网络应用于色谱信号处理中的一种改进算法

在紧致集正交小波神经网络对色谱信号处理应用的基础上,提出一种新的算法,即用B-样条函数代替紧致集正交小波函数,这样便可以解决难构造出具有解析形式的紧致集正交小波函数的问题.这种方法的引入可以使神经网络在信号的处理范畴中得到更广泛的应用.     

路由技术及应用的研究

通过实例引出网络路由技术焦点问题,简要介绍了如何根据网络情况对网络路由技术应用的设计.基于这些充分的调研提出文章所要解决的主要问题:如何在网络中有效的利用路由技术解决和优化网络性能,并进行了详细的分析和设计,通过应用实例加深理解,最后加以评述并得出结论.     

RBF神经网络用于辨识光纤陀螺温度漂移

温度漂移是存在于光纤陀螺系统中使得输出信号产生较大偏置误差的一种不可忽略因素,准确地辨识漂移并有效地对其进行补偿直接关系到陀螺的测量精度。文中比较了前馈网络中的ＢＰ网络和径向基函数（ＲＢＦ）网络,采用ＲＢＦ网络进行温漂辨识,温漂辨识可以通过离线事先学习,因而在多种学习方法中选择了简单易行、精度高且运算速度快的正产郇小二乘（ＯＬＳ）法。通过仿真验证,采用ＲＢＦ网络及其ＯＬＳ学习算法可以快速、有效、高     

输电线路覆冰载荷在线检测分析与神经网络预测研究

线路覆冰是威胁输电线路安全的最主要因素之一。在实时实验数据和力学研究的基础上,提出了一种基于BP神经网络的覆冰厚度及重量的预测模型。预测模型以输电线路所处的温度、湿度、风向等为输入量,以覆冰厚度为输出量,网络隐含层单元个数与中心向量采用正交最小二乘法（orthogonal least squares,OLS）。在此基础上再通过专家软件来分析覆冰情况,给出了预测及预警信息。仿真结果表明,符合预期效果,实现了对覆冰载荷在线监测和覆冰厚度的预测,将其误差控制在一个较小的范围。     

基于多分辨分析神经网络的函数逼近

基于小波分析的基本理论,提出了迭代求解Daubechies小波函数和尺度函数,并用多项式最小二乘曲线拟合离散数据点,得到小波函数和尺度函数的近似封闭解析式的方法。最后基于L^2的多分辨逼近思想,构造了基于尺度函数的多分辨分析网络,用迭代的梯度下降算法训练网络,并用此网络对有局部奇异性的函数进行学习,获得了很好的逼近效果。数值仿真结果表明：本文提出的方法是可行的,它避免了无封闭解析式的小波和尺度函数在实际应用中需要大量进行插值运算的繁琐和求导运 算的不便。