基于RBF人工神经网络的X级以上太阳耀斑预报研究

采用第23太阳活动周X级以上耀斑的数据,通过回归分析、Gauss拟合和RBF人工神经网络等方法对X级以上耀斑进行预报研究.结果表明,将黑子群的位置、卡灵顿经度、耀斑爆发时间与黑子群达到最大面积的时间关系、每7d黑子群的最大面积、太阳耀斑流量的积分值、CME速度和F10.7射电流量7个预报因子作为参量对RBF人工神经网络预报模型进行训练,训练后建立的RBF模型的输出结果和训练数据的相关系数高达98%,对耀斑强度的预报结果与观测结果的误差在0.5以内,预报模型符合耀斑短期预报的要求.     

Fast Individual Facial Animation Framework Based on Motion Capture Data

Based upon motion capture,a semi-automatic technique for fast facial animation was implemented. While capturing the facial expressions from a performer,a camera was used to record her /his front face as a texture map. The radial basis function（ RBF） technique was utilized to deform a generic facial model and the texture was remapped to generate a personalized face.Partitioning the personalized face into three regions and using the captured facial expression data,the RBF and Laplacian operator,and mean-value coordinates were implemented to deform each region respectively. With shape blending,the three regions were combined together to construct the final face model. Our results show that the technique is efficient in generating realistic facial animation.     

人工神经网络在油墨配色中的研究与应用

油墨配色是印刷生产过程中至关重要的成产环节。经验配色法是传统的配色方法,经验配色法常常一些客观条件的影响,产品质量难以保持稳定。另外,依靠经验和感觉配色,只能定性,无法定量,技术的传播与交流比较困难。随着科学技术的发展计算机配色法逐渐成为广受欢迎的配色技术。人工神经网络以模糊数学为基础,模拟神经元传导特性,具有精度高、灵活性强等优点,因此得到了广泛的重视。本次研究结合人工神经网络领域最新研究成果,将BP神经网络和RBF网络应用于配色系统,并加以完善补充。同时运用MATLAB GUIDE友好的界面设计功能,建立实际的油墨配色系统,用于指导实际生产。     

Novel approach for identifying Z-axis drift of RLG based on GA-SVR model

This paper describes a novel approach for identifying the Z-axis drift of the ring laser gyroscope （RLG） based on ge-netic algorithm （GA） and support vector regression （SVR） in the single-axis rotation inertial navigation system （SRINS）. GA is used for selecting the optimal parameters of SVR. The latitude error and the temperature variation during the identification stage are adopted as inputs of GA-SVR. The navigation results show that the proposed GA-SVR model can reach an identification accuracy of 0.000 2 （？）/h for the Z-axis drift of RLG. Compared with the ra-dial basis function-neural network （RBF-NN） model, the GA-SVR model is more effective in identification of the Z-axis drift of RLG.     

基于CIDR的网络IP地址规划及应用

随着计算机网络特别是Internet的飞速发展,有成百上千、规模各异的网络存在其中。在如此繁杂的网络环境中,应用CIDR技术可以提高IP地址的利用率,在简化路由表的长度以及改善网络性能等方面有着积极的作用。在IPv4向IPv6过渡的一个相当长的时期内,CIDR仍将发挥重要作用。     

逐步线性回归与神经网络预测的算法对比分析

逐步线性回归能较好地克服多重共线性现象的发生,因此逐步回归分析是探索多变量关系的最常用的分析方法,智能算法是现代数据分析的主要方法。本文通过一个实例进行了对比研究,预测结果显示:在预测的精度上,在隐含层数目相同时,RBF径向神经网络BP神经网络逐步线性回归ELM极限学习机。通过对比分析,发现神经网络方法较回归分析预测效果更好,误差相对较小。     

基于RBF神经网络的页岩气丰度预测

对页岩气成藏条件进行分析认为,机质含量、类型、成熟度、储层厚度、埋藏深度和孔隙度等为影响页岩气成藏的主要因素;依据四川盆地和北美页岩气形成的地质条件的相似性和所收集的大量页岩气数据,利用RBF神经网络构建了各主要因素与资源量丰度的网络模型,并用MATLAB对网络模型进行训练。对Ohio和龙马溪组页岩资源丰度进行了预测,预测误差分别为27.5%和3.5%,表明RBF神经网络模型可较好预测页岩气产量,对页岩气开采和勘探具有参考价值。     

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.     

基于改进遗传RBF神经网络的双电机驱动伺服系统控制

针对常规遗传算法的缺陷,提出了一种基于改进遗传算法和RBF神经网络相结合的控制方法.该方法对RBF神经网络的隐层中心值和宽度进行了优化,用递推最小二乘法训练隐层和输出层之间的权值.最后在双电机驱动伺服系统中进行了仿真试验,结果表明所提出的控制策略是有效的.     

基于RBF神经网络的晶体生产组织评价

在晶体的生产组织过程中,采用相关分析法确定影响评价的主要因素,建立一种基于RBF网络的生产组织评价模型,利用最邻近聚类算法,确定基函数中心点,将该模型与BP网络模型进行比较,结果表明:RBF网络在学习时间和评估精度上优越于BP网络。