搜索结果: 1-6 共查到“人工智能 径向基函数神经网络”相关记录6条 . 查询时间(0.176 秒)
基于广义径向基函数神经网络的非线性时间序列预测器
径向基函数 神经网络 非线性时间序列预测
2009/4/29
该文对传统的径向基函数(RBF)神经网络的结构和学习算法进行了总结，并在此基础上提出了广义径向基函数模型概念，使这种网络具有更好的应用灵活性与可扩充性。文章基于Mackey-Glass造血模型方程的数值解数据，对此广义模型与现有的RBF模型和梯度径向基函数(GRBF)模型对非线性时间序列预测问题的应用结果进行了比较与讨论，显示出这种广义模型的应用有效性。
径向基函数神经网络的一种有效的在线学习方法
径向基函数 神经网络 在线学习算法
2009/4/28
本文提出了一种径向基函数神经网络的有效在线学习方法。该学习方法不仅能根据输入信息的增加而动态地分配网络资源,而且能有效回收网络的冗余资源。在学习过程中网络的参数可以自适应地序贯进行调整。文中详细论述了这种神经网络的学习准则、动态增减隐节点算法和参数调整算法。同时通过分析和实验说明网络具有较强的映射能力和预测性能。
配电网线损计算径向基函数神经网络方法
RBF 神经网络 聚类算法
2008/12/22
提出了一种电力配电网线损计算的RBFNN(Radial basis function neural networks) 方法，主要利用RBFNN 较强的拟合特性映射线损与特征参数之间复杂的非线性关系，记忆配电线路在结构参数和运行参数变化时线损的规律. 采用LBG 聚类方法和一种确定最佳聚类数的标准来优化RBFNN 隐层节点，以提高网络的利用效率. 实例仿真验证了所提方法的有效性和实用性.
一种径向基函数神经网络在线训练算法及其在非线性控制中的应用
2007/12/13
Abstract针对现有径向基函数(RBF)神经网络训练算法存在的问题，给出了RBF神经网络的一种
在线训练算法，对这种在线训练算法所涉及到的各个方面进行了全面的分析．仿真表明所提
出的算法是非常有效的，它克服了以往算法的不足并具有很大的实用性．进一步将RBF神
经网络用于非线性控制，取得了良好的结果．
一种基于模糊径向基函数神经网络的自学习控制器
2007/12/13
Abstract提出了一种新型的基于模糊径向基函数 (RBF)的神经网络学习控制器 ,并应用于电液伺服系统 .由于RBF网络和模糊推理系统具有函数等价性 ,采用模糊经验值方法选取网络中心值和基函数数目 .与一般的神经网络自学习控制器不同 ,以系统动态误差作为网络输入量 ,RBF神经网络控制器学习的是整个系统的动态逆过程 ,因而控制性能明显提高 .对电液位置伺服系统的仿真和实验结果表明 ,该控制方案...
PWM整流器的径向基函数神经网络控制新方法
2007/12/12
Abstract提出了一种用于PWM单位功率因数整流器的神经网络(neural network， NN)控制方法．运用预测电流对电压型PWM整流器的有功、无功电流实现解耦，电压环采用基于径向基函数(radial basis function， RBF)神经网络自适应调整参数的PI控制器．仿真结果表明，这种PI控制器可以在线调整PI参数，快速跟踪整流器的变化过程，使PWM整流器获得较好的动、静态特性...