基于人工免疫系统与RBF的混合算法实现模式分类     

谢铮桂  王会林 《韩山师范学院学报》2007,28(6):37-40

提出了一种基于人工免疫系统与RBF的混合算法.该算法由两个阶段组成:第一阶段采用人工免疫机制来确定RBF网络隐层的聚类中心的位置和数量。第二阶段求输出层的权值W,最后用模式分类作试验,实验结果表明,该算法具有收敛速度快,泛化能力强的特点。  相似文献   

基于构造-剪枝混合优化RBF网络的煤灰熔点预测方法     

丁维明  吴小丽  魏海坤 《东南大学学报》2011,(2):159-163

为提高煤灰熔点的预测精度,提出了一种基于构造-剪枝混合优化RBF网络的煤灰熔点预测方法.该方法融合了神经网络构造算法和剪枝算法的优点,分为“粗调”和“精调”2个阶段.粗调阶段动态增加隐节点数目直至满足相应的停止准则;精调阶段对粗调得到的RBF网络的结构和参数作进一步调整.基于煤灰的化学组成成分建立相应的构造-剪枝混合优...  相似文献   

基于RBF神经网络的成都市城镇建设用地需求预测   总被引：2，自引：0，他引：2  

郝思雨  谢汀  伍文  高雪松  邓良基  李启权 《资源科学》2014,36(6):1220-1228

以成都市为研究区域,利用城镇建设用地和社会经济统计数据,从因素和时间二维角度出发,分别选用RBF神经网络模型和GM(1,1)模型,在模型比较优选的基础上对成都市城镇建设用地需求进行了预测。结果表明:RBF神经网络模型与GM(1,1)模型相比,前者的平均绝对误差和误差均方根较低,且线性拟合效果更佳,是一种精度较高的预测方法;据预测,近期2015年和远期2020年研究区城镇建设用地需求量将分别达到145 986.10hm2和182 321.26hm2,研究结果既能为具有类似数据"突变"特征的城市开展城镇建设用地需求预测提供方法借鉴,又能为研究区土地资源的可持续利用和土地利用总体规划的定期修编提供决策依据。  相似文献   

基于径向基函数、区间分析和非支配排序遗传算法的结构区间多目标优化     

Jin CHENG  ;Gui-fang DUAN  ;Zhen-yu LIU  ;Xiao-gang LI  ;Yi-xiong FENG  ;Xiao-hai CHEN 《浙江大学学报(A卷英文版)》2014,(10):774-788

研究目的：为改善实际工程结构在不确定性条件下的多性能指标,提供一种高效的区间多目标优化方法。创新要点：建立一个目标和约束均为区间不确定性参数函数的区间约束多目标优化模型,提出并实现基于径向基函数、区间分析和非支配排序遗传算法（NSGA-II）的区间多目标优化算法。研究方法：首先,利用区间序关系将每个区间目标转换为同时优化其中点和半径的确定性双目标,利用区间可能度法将区间约束转换为确定性约束,并在此基础上,利用加权法和罚函数法将每个区间目标的约束优化问题转换为相应的无约束优化问题;然后,利用拉丁超立方实验设计和有限元分析构建预测各待优化结构性能指标值的径向基函数;最后,将径向基函数、区间分析法与NSGA-II相结合,快速求出转换后确定性无约束多目标优化问题的所有Pareto最优解,并通过考虑材料不确定性的高速压力机滑块机构设计实例验证该方法的有效性。重要结论：目标和约束均为不确定性参数函数的区间多目标优化模型能有效反映实际工程中同时改善结构多性能指标的需求。基于径向基函数、区间分析和NSGA-II相结合的区间多目标优化算法将传统区间优化模型求解中的嵌套优化过程简化为单层遗传优化过程,大大提高了求解效率,并可获得多目标优化问题的所有Pareto最优解。  相似文献   

国有林区低碳循环经济耦合发展测度分析   总被引：2，自引：0，他引：2  

姜钰 《中国软科学》2012,(1):107-115

依据国有林区特征和低碳循环经济发展评价的独特性,构建了国有林区低碳循环经济耦合发展评价指标体系,并运用径向基神经网络构建了评价模型,以黑龙江省伊春国有林区展开实证研究,结果表明国有林区在很多方面已经有所改善,但在低碳循环技术、低碳排放能耗方面水平较低。总体发展呈缓慢上升中,但基本处于中等偏下水平。有必要进行针对性的调整改造,加大转型力度。  相似文献   

Deadzone compensation based on constrained RBF neural network     

Chiung-Hsin Tsai  Han-Tung Chuang 《Journal of The Franklin Institute》2004,341(4):361-374

In this paper, a modified adaptive neural network for the compensation of deadzone is described, and simulated on a hydraulic positioning system, in which the dynamic model is separated into a series of connection of a nonlinear (deadzone) subsystem and a linear plant. The proposed approach uses two neural networks. One is the radial basis function (RBF) neural network, which is used for identifying parameters of deadzone. Based on the penalty function used in optimization theory, a multi-objective cost function with constraint is adopted to provide the best deadzone approximation. The result is used to train the other neural network for the inverse compensation of deadzone. The RBF neural network also generates the parameters of the linear plant for the design of an adaptive controller. A convergence analysis for the network training process is also presented.  相似文献   

基于神经网络的体外预应力筋极限应力的预测     

杨坚  赵志曼  潘杰  唐琼 《云南电大学报》2007,9(4):83-87

鉴于影响体外预应力筋极限应力的因素较多,采用BP和RBF两种人工神经网络模拟方法进行体外预应力筋极限应力进行预测。通过和试验数据比较分析,预测结果与试验结果的相对误差均在10%以内,满足工程需要,因此,采用神经网络预测体外预应力筋极限应力是可行的。  相似文献   

神经网络在四组分金属离子同时测定中的应用     

齐明 《茂名学院学报》2003,13(3):9-14

非线性的方法解决了多组分金属离子体系同时测定的数据处理问题。该文研究了在不加缓冲液的条件下用EGTA直接络合滴定四组分金属离子时滴定体积V与溶液的pH值和溶液中金属离子的初始浓度礴之间的关系。在此我们用前向基多层神经网络(BP)和径向基神经网络(RBF)，发现在体系中RBF网络优于BP网络，结果令人满意。  相似文献   

基于改进RBF神经网络的银行个人信用评级     

蓝润荣  程希骏 《中国科学院大学学报》2013,30(3):298-303

研究RBF神经网络在个人信用评级中的应用.针对传统的RBF神经网络无法处理非数值型数据和对初始中心的选取及异常值十分敏感等问题,提出一种基于模糊K-Prototypes算法的RBF神经网络,提高了处理分类型数据及混合型数据的能力,并且改进的模糊K-Prototypes算法有助于降低模型对初始中心选取和异常值的敏感性.将改进前后的模型分别应用于商业银行的个人信贷评级中,结果表明,改进后的模型预测精度和稳健性都优于传统的RBF模型.  相似文献   

径向基函数网络在优化机械加工参数中的应用   总被引：1，自引：0，他引：1  

朱喜林  吴博达  武星星 《上海大学学报(英文版)》2004,8(Z1)

In machining processes, errors of rough in dimension, shape and location lead to changes in processing quantity, and the material of a workpiece may not be uniform. For these reasons, cutting force changes in machining, making the machining system deformable. Consequently errors in workpieces may occur. This is called the error reflection phenomenon. Generally, such errors can be reduced through repeated processing while using appropriate processing quantity in each processing based on operator's experience.According to the theory of error reflection, the error reflection coefficient indicates the extent to which errors of rough influence errors of workpieces. It is related to several factors such as machining condition, hardness of the workpiece, etc. This non-linear relation cannot be worked out using any formula. RBF neural network can approximate a non-linear function within any precision and be trained fast. In this paper, non-linear mapping ability of a fuzzy-neural network is utilized to approximate the non-linear relation. After training of the network with swatch collection obtained in experiments, an appropriate output can be obtained when an input is given. In this way, one can get the required number of processing and the processing quantity each time from the machining condition. Angular rigidity of a machining system,hardness of workpiece, etc., can be input in a form of fuzzy values. Feasibility in solving error reflection and optimizing machining parameters with a RBF neural network is verified by a simulation test with MATLAB.  相似文献