径向基神经网络的构造理论

通过对径向基神经网络的研究,提出了径向基神经网络的构造性理论及其构造算法。在给定函数及其允许误差的条件下,运用本算法能够构造几乎最少隐节点数的径向基神经网络。     

径向基神经网络在水下船体防腐中的应用

采用改进型径向基函数神经网络来预测水下船体电位,从而达到船体防腐的目的。首先,分析采用无单元法求解问题的优越性;然后,介绍径向基函数神经网络的原理,通过建立水下船体的数学模型来获得船体电位,采用层次凝聚算法和K-均值聚类算法来确定径向基函数神经网络的中心节点,从而建立神经网络;最后,对神经网络的预测能力进行MATLAB仿真检验。结果表明,采用改进型的径向基函数神经网络来预测船体电位获得了很高的精度,对于船体防腐保护达到了很好的效果。     

径向基函数神经网络在集装箱吞吐量预测中的应用

针对一类具有时间序列特性的数据,构造一种基于径向基函数神经网络的预测模型,并将该模型应用于上海港集装箱吴吐量的预测。     

径向基神经网络实现红外目标检测

本文分析了径向基神经网络的优点,并详细地描述和设计了基于径向基神经网络的红外目标检测,在设计神经网络的过程中,阐述了神经网络的隐层、输出层的节点数以及学习速率等,最后将其应用到实际检测中,通过实验结果可以看出,本文所采用的径向基神经网络在红外目标检测方面具有良好的逼近性和收敛性。     

滑坡预测径向基神经网络法

在边坡稳定分析的基础之上,引入径向基网络的理论,提出了边坡滑动的径向基网络预测方法.以边坡高度、边坡角度等作为输入模式变量,建立径向基神经网络训练样本,用于滑坡稳定性评价.通过样本的学习训练,用训练后的径向基神经网络来预测滑坡,通过工程实例与评价结果比较,证明了该评价方法具有较高的精度,也表明该模型能较好的用于滑动预测.     

基于免疫径向基网络的舰载无人机维修性预计模型

介绍了舰载无人机维修性预计的主要影响因素和维修性参数,将免疫算法与径向基函数相结合,建立了舰载无人机维修性预计的免疫径向基神经网络模型,并与BP网络和常规径向基函数网络进行了对比模拟实验.实验表明,免疫径向基神经网络具有更高的预测性、准确性和更短的训练时间.     

基于互双谱与径向基函数神经网络的舰船目标分类(英文)

提出了声矢量信号互双谱估计算法.利用该算法和其它的二阶、高阶谱估计算法,提取了实测数据的声压和声矢量信号组合特征,并用不同组合特征构造了径向基函数神经网络的输入向量集,对矢量水听器实测的舰船目标进行了分类识别.结果表明,声矢量信号组合特征比声压信号组合特征具有更强的类别可分性,提高了水声目标的识别率.     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法，本文较为系统地介绍了其测量、故障参数提取及分析方法，并在诊断分析中使用了进化RBF神经网络，此网络的训练采用遗传算法，优化了径向基神经网络的结构和参数，加强了网络的实用性。最后用神经网络对所模拟的故障进行辨识，证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性。     

基于神经网络的水深插值研究

提出了利用神经网络技术，对离散的、分布不规则的海图水深数据进行插值处理得到连续水深数值的方法，研究了应用Levenberg-Marquardt反向学习网络进行函数逼近和径向基函数网络进行函数插值二种算法，用函数曲面和实际水域数值对算法进行了测试和误差分析，并对实际应用中区域分块、规一化和等深线数据处理等问题作了说明。     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用，并且首次将神经网络和虚拟仪器技术相结合，成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明，将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度，有很好的工程应用前景。     

用改进的BP算法处理军事知识研究

本文提出了改进的ＢＰ算法，并应用于军事指挥决策知识的处理。对于ＢＰ算法的改进，本文根据军事知识树的特点构造了ＢＰ神经网络，并对影响ＢＰ网络学习速度和效果的隐节点构造、收敛速度和活跃函数等问题进行了研究和改进。     

基于均匀设计的神经网络结构优化设计方法

介绍了均匀设计法的原理，并采用均匀设计法，对径向基函数(RBF)神经网络的结构进行了优化设计，并将设计好的神经网络应用于13位巴克码的脉冲压缩检测，仿真结果表明：采用经过优化设计的神经网络进行脉冲压缩信号检测，有助于提高雷达的探测性能，其信号的主旁瓣比优于传统方法。     

基于神经网络的态势预测方法研究

为提高安全态势感知精确度和降低其复杂度,加强网络系统的安全防护能力,提出了基于神经网络的态势预测方法,并研究了基于径向基函数和遗传神经网络的态势动态预测方法。神经网络可通过自学习和非线性映射以任意精度逼近函数关系,具有高度灵活可变的拓扑结构及很强的适应能力,对于中、短期预测具有较高的精度。     

基于组合优化算法的船舶信息风险评估

为避免船舶信息风险引发重大船舶航行事故,研究基于组合优化算法的船舶信息风险评估方法。选取通信、环境、管理、人为这4个方面因素共17个指标,构建船舶信息风险评估指标体系,将其作为径向基函数（RBF）神经网络输入层输入数据,经隐含层映射操作后,通过输出层输出评估到的船舶信息风险等级,采用结合模糊C均值聚类算法和遗传算法的组合优化算法,合理选取RBF神经网络隐含层中心向量并寻优获取最佳隐含层基函数宽度和权值向量,提升船舶信息风险评估效果。实验结果表明：该方法可有效评估多艘船舶的信息风险,并可依据评估结果获取何种因素导致船舶信息风险,提出针对性指导建议。     

遗传算法优化的RBF神经网络确定潜艇排水量和主尺度

潜艇设计中，排水量和主尺度的确定是潜艇概念设计中最重要的一环。提出应用遗传算法训练径向基函数神经网络的方法，计算常规潜艇的排水量和主尺度。实验结果表明此方法训练效率高、精度高具有全局搜索能力。     

直流电动机故障诊断系统研究

本文主要介绍在LabVIEW软件平台下开发了基于径向基(RBF)神经网络的直流电动机故障诊断系统。经过验证,系统具有良好的诊断精度,满足直流电动机故障诊断系统的设计要求。     

基于改进t-SNE和RBFNN的柴油机故障诊断

针对柴油机故障诊断问题，提出一种基于改进t分布的随机邻域嵌入（t-SNE）和径向基函数神经网络（RBFNN）的柴油机故障诊断方法。针对t-SNE算法对振动信号的实际降维效果不够理想的问题，进行自适应加权优化；引入遗传算法（GA）解决果蝇优化算法（FOA）陷入局部最优的问题，将GA-FOA应用于RBFNN参数选取中；采用改进后的RBFNN模型对经自适应加权t-SNE降维的数据进行故障识别。研究结果表明，改进后的算法能明显改善聚类效果，提高故障识别的正确率，具有良好的应用前景。     

基于混沌神经网络的多目标跟踪技术研究

本文应用混沌神经网络求解多目标跟踪中的数据关联问题,给出了混沌神经网络的模型,构造了数据关联的能量函数表达式,在数据关联过程中,采用退火算法。仿真结果表明,应用混沌神经网络求解数据关联比Hop fie ld网络具有更块的收敛速度和更小的关联误差。     

基于RBF神经网络的人工海床多目标优化

以人工海床（AS）为研究对象，针对传统设计方法存在周期长、成本高以及难以解决复杂系统工程优化设计等问题，提出一种AS多目标优化策略。推导AS质量和稳心高的计算公式，建立一种基于径向基函数（RBF）神经网络的近似模型，代替通过数值模拟计算的拖曳力。结合NSGA-Ⅱ算法，以AS拖曳力、质量和稳心高为优化目标，以主尺度为设计变量，以结构强度和关键性能指标为约束条件，得到AS优化方案。结果表明：在满足预测精度条件下，RBF神经网络提高了计算效率。优化后AS的质量，最大减幅达17.0%，同时水动力性能和稳性性能较优化前均有提高。通过对AS优化结果的分析，验证了AS多目标优化策略的可行性。