共查询到20条相似文献，搜索用时 31 毫秒
1.
RBF网络及FLAC反演方法是初始地应力场反演的一种比较有效、比较新的方法。该文对RBF网络及FLAC反演方法进行了详细论述,接着运用这种方法对一工程实例进行了反演计算,计算结果表明,该方法计算时间短,计算精度高。 相似文献
2.
文章介绍了人工神经网络的两个重要的模型:径向基函数(RBF)网络和BP网络,在函数逼近方面对RBF网络和BP网络进行了比较、研究,通过实际的例子应用Matlab 进行了仿真. 相似文献
3.
4.
本文提出了基于RBF神经网络进行汽轮机故障诊断的方法.首先建立了神经网络的诊断模型,然后利用某汽轮机的样本集对一个单隐层的RBF网络进行训练.最后,通过测试网络,验证该网络对于故障模式的识别准率较高. 相似文献
5.
6.
7.
RBF网络和BP网络在逼近能力方面的研究 总被引：1，自引：0，他引：1
文章介绍了人工神经网络的两个重要的模型：径向基函数（RBF）网络和BP网络,在函数逼近方面对RBF网络和BP网络进行了比较、研究,通过实际的例子应用Matlab进行了仿真。 相似文献
8.
RBF网络是一个三层的前馈型神经网络,它隐含层的转换函数是局部响应的非线性函数,所以它能够以任何精度逼近任意连续函数,这为复杂的变形系统的解释和模型化提供了可能,因而利用RBF网络对混沌时序的分析和预测是变形分析的一种新的途径.本文首先介绍RBF网络,对其变形监测数据的混沌现象进行分析和对RBF网络的混沌时间序列作出分析、预测,最后,总结出运用RBF网络对变形分析和预测对数据拟合模型的精度和预测能力都有很大的提高作用. 相似文献
9.
针对RBF的网络算法有多种,具有固定中心的RBF网络训练算法、梯度下降的RBF网络训练算法、最小二乘的RBF网络训练算法,无论哪种算法,对于求RBF网络隐节点的中心c j和标准参数？2都是比较困难的,如何使网络学习达到要求的精度,本文提出了基于免疫算法的RBF网络优化的改进算法,使隐节点的中心求解较为容易,有利于RBF网络有效的推广。 相似文献
10.
本文是对传统的厚度计式厚度控制系统的研究,针对其数学模型的不精确问题,提出了采用RBF神经网络的改进方法。使用RBF神经网络来代替数学模型模拟轧机的输入输出关系,克服一般数学模型的因为参数变化引起误差变大的困难。针对一般RBF神经网络计算复杂,难以在硬件实现的问题,本文采用动态自适应RBF网络,相对于其他RBF型网络结构简单,适于在TDC上实现。 相似文献
11.
12.
提出了一种基于粒子群算法优化的RBF网络整定PID控制策略.该策略利用粒子群算法对初始PID参数及其学习率进行优化,解决了控制器初始值对控制效果的影响.通过对火灾探测器温箱系统的仿真控制,验证了该控制策略具有控制精度高、抑制噪声及扰动能力强的优点. 相似文献
13.
14.
径向基函数（RBF）神经网络广泛应用于模式识别、非线性函数逼近等领域。通过对聚类、梯度、正交最小二乘三种RBF神经网络进行正弦函数逼近的仿真实验,从中比较分析这三种RBF神经网络。得到的对比分析结果表明：正交最小二乘的方式所需的训练时间最短,网络收敛速度最快,并且不需要预先定义隐层节点数。 相似文献
15.
16.
变压器的故障诊断方法大部分以油中溶解气体为诊断基础,如目前较为常用的四比值法、三比值法等。但存在"编码盲点"、故障诊断准确度不够等问题。本文提出一种基于自适应RBF神经网络的电网变压器故障检测方案,算法输入层节点只会把信号传送到隐含层。在隐含层中,通常使用高斯函数来对所得到了输入向量响应。输出层则是使用一般的线性函数来对输出进行加权。这种模式是一种标准的前向网络模式,能够使得神经网络的输入空间与输出空间得到映射,进而为分类网络并实现函数逼近,提高了网络收敛速度。仿真实验结果表明,本文提出的自适应RBF网络在故障诊断的准确率以及诊断时间的表现皆优于BP、GA-BP神经网络,所在在变压器故障诊断时,可以优先考虑自适应RBF神经网络。 相似文献
17.
18.
本文结合实测地应力资料,建立三维非线性有限元模型,通过FLAC3D程序求解,以及人工神经网络,将计算地应力值作为网络的输入向量,将边界条件作为神经网络的输出向量训练神经网络,获得了区域初始地应力场. 相似文献
19.
20.
《科技通报》2017,(4)
软件错误是软件开发过程中经常出现的问题,有效地定位错误能够提高软件开发的效率。通过对软件运行时信息的收集与分析,从机器学习的角度提出了一种将蜂群算法与RBF神经网络结合的软件错误定位模型。首先,利用蜂群算法克服RBF神经网络由于隐层节点中心值随机化而导致的网络性能较差的问题,对RBF神经网络模型进行优化与改进。然后,对程序运行过程中的相关信息进行编码,将此编码作为蜂群神经网络模型的训练数据集。最后,根据虚拟测试集进行软件错误定位,实验过程中选用Siemens Suite套件进行了仿真实验。实验结果表明,结合蜂群算法优化与RBF神经网络的软件错误定位方法在软件错误定位方面能够表现出较好的性能。 相似文献