简介：针对网络态势感知中的预测精度问题,提出了基于广义径向基函数（RBF）神经网络的网络安全态势预测方法。该方法利用K-means聚类算法确定RBF的数据中心和扩展函数,并采用最小均方算法调整权值,得出态势值前后之间的非线性映射关系,并进行态势预测。仿真试验表明,该方法能较准确获得态势预测结果,提高网络安全的主动安全防护。

简介：现金流预测是项目投资决策和评价企业未来价值的关键性因素。本文通过采用滑动窗技术确定RBF神经网络的训练样本和测试样本,然后通过变换不同的分布函数值对模型进行建模和仿真。实证研究结果表明,RBF神经网络模型训练和仿真结果稳定,预测效果良好。

简介：针对非线性系统的控制问题，提出了一种基于黄金分割法的RBF神经网络预测控制算法。该算法以神经网络作为预测模型，用黄金分割法优化控制器，其中以控制变量的约束．条件作为优化的初始区问。针对化工过程蒸馏塔控制系统，通过仿真计算验证了该方法的有效性。

简介：摘要：为了提高网络安全态势预测的准确性和可靠性，研究提出了一种基于CS-RBF（改进径向基函数）神经网络的预测方法。该方法在传统RBF神经网络的基础上引入了改进算法，以适应复杂多变的网络环境。通过对网络安全数据进行预处理和特征选择，CS-RBF神经网络能够有效地处理多维数据，并进行准确的态势预测。研究表明，CS-RBF神经网络相较于传统预测方法，具有更高的预测精度和稳定性。此方法不仅提升了网络安全态势预测的效果，也为未来相关领域的研究提供了新的思路和工具。

简介：摘要由于烘丝生产前操作工需要根据生产经验预测入口含水率，然而车间内环境温湿度、烘丝前工序设备状态等条件的变化，导致烘前含水率变化较大，仅靠经验预测烘前含水率，预测结果误差较大，导致操作工设置参数不合理，出口含水率波动较大，影响产品的感观质量。因此，本文通过对历史数据进行分析处理后，采用RBF神经网络，建立烘前含水率预测模型，并在烘丝工序操作终端增加人机交互界面，操作工选择工单信息、输入相应的参数即可完成烘丝入口含水率的预测，预测结果误差为，可以满足生产要求。

简介：摘要在电力市场中，风电所占电网的比例越来越大。但由于风的波动及其不可控性，风电场的发电量也在随机变化，风速是影响产能最直接最根本的因素，所以很有必要对其进行预测。本文采用RBF人工神经网络模型对未来短时间风速进行预测。通过对风速反复训练与检测来选择一组合适的模型参数，并对模型进行了误差分析。研究结果表明，使用RBF神经网络对未来风速进行短时间预测能够达到较好效果。

简介：摘要：众所周知，我国目前处于一个重要信息化和智能化背景之下，各种智能技术已经在各个领域内进行运用，并且随着时间的推移，这些智能技术均起到了很好的效果和作用，人脸识别技术正是其中之一。在现代社会发展过程中，人脸识别系统和算法已经在信息验证、人物信息识别等等方面进行运用，而且现代国内的电子商务和网络银行开始广泛进行运用，因此人脸识别算法无论是在当前还是未来的发展进程中，均具有很好的发展和应用前景，因此，在后续的发展过程中，需要重视人脸识别技术的发展。在本文中主要介绍一种基于RBF神经网络的人脸识别算法，其主要目的在于促进国内人脸识别水平得到对应的提升。

简介：摘要准确的预测风力发电机组的输出功率对电力系统稳定、电力系统调度和风电场运行都具有重要意义。从数学模型及风机实际获得的数据出发，分析出风速、风向、空气密度、大气压强对风力发电机组输出功率的影响。设计了基于数值天气预报（NWP）的径向基函数（RBF）神经网络风电功率短期预测模型。应用该模型进行了24h后的风电输出功率预测，预测误差在11%附近，表明该方法预测精度较高。

简介：对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。

简介：应用灰色系统理论计算了铁路货运量与货运量影响因素的关联度,并对其进行了排序。利用MAT-LAB软件,建立铁路货运量的RBF神经网络预测模型,对我国1992-2008年的铁路货运量进行仿真实验。结果表明基于灰色系统理论的RBF神经网络模型预测平均相对误差为0.44%,常规RBF神经网络模型的平均预测误差为1.47%,因此认为基于灰色系统理论的RBF神经网络的铁路货运量预测方法有效可行。

简介：汽车油耗直接影响着汽车的经济性，真实油耗数据的准确检测对汽车产品管理的科学化以及建设资源节约型社会具有积极的意义。根据行车电脑往往不能准确显示油耗值的缺点．提出油耗值的RBF神经网络标定方法。实验表明，该方法能取得较好的标定效果，并且标定方法简单实用可行。为汽车油耗值的实时监测提供了一种有效的方法。

简介：提出了一种基于模糊观测数据的RBF神经网络（FORBFNN），用于解决一类输出不可精确测量但可用模糊隶属度来表征的非线性系统建模问题．神经网络模型中各隐层神经单元的权重系数采用一种新的模糊EM算法辨识获得；隐层神经单元的数量及径向基函数的中心和宽度基于一种数据驱动的方法自适应确定，即首先初始生成一个隐层单元，然后根据一定的规则逐步加入新的单元，该过程不断迭代直到模型满足预设要求．该方法同时考虑了模型的复杂度及预测精度．数值模拟实验结果表明该建模方法是有效的，且建立的模型具有较高的预测精度．

简介：摘要：针对机械臂轨迹规划时各个关节运动控制不光滑，本文选用IRB120机械臂对该模行末端执行器进行运动规划。首先建立机械臂连杆坐标系并得到D-H参数，并运用Matlab Robotics toolbox工具箱建立机械臂模型，分析机械臂从初始位姿到目标位姿时机械臂的角位移情况。借助MATLAB中的神经网络工具箱设计RBF神经网络，利用六个关节的角位移量训练RBF神经网络。仿真结果表明，采用RBF神经网络优化得到的角位移为平滑曲线。

简介：摘要将人工神经网络（ANN）技术引入磨削加工领域，研究预测切向磨削力和法向磨削力，来提高磨削力的预测精度。以多层前反馈神经网络为基本结构，以误差逆传播算法（BP算法）为网络的训练方法。通过分析，以砂轮速度vs、工件速度vw和磨削深度ap为输入，以切向磨削力Ft和法向磨削力Fn作为网络输出，选定网络的层数、隐含层神经元个数、训练函数、传递函数等内容，建立预测磨削力的BP神经网络模型。然后比较不同网络模型，来确定最优的预测模型。

简介：在工业过程控制系统中，许多被控对象具有纯滞后的性质，这种纯滞后环节将导致系统不稳定。针对这种情况设计了一种控制器，这种控制器结合了模糊控制和神经网络控制的优点，可以在线调整得到一组最优的PID控制参数。仿真结果表明这种控制器结构简单，对纯滞后系统的控制效果良好。

简介：针对坦克炮身管精确定位和平衡问题，提出了一种基于干扰观测器（DOB）的RBF神经网络滑模控制策略。由于炮控身管平衡系统模型中存在某些时变的不确定参数，所以利用RBF神经网络的万能逼近特性来辨识该参数。为了更好地提升系统的抗干扰性能，引入了干扰观测器，对系统外部扰动进行实时观测。通过仿真试验可知，该控制策略有效地提高了系统的稳定性，消除了滑模控制过程中固有的抖振现象，并大大提高了电液伺服系统的跟踪性能，使系统具有良好的鲁棒性。

简介：针对分数阶混沌系统的同步问题,提出一种基于径向基函数（RadialBasisFunction,RBF）神经网络的控制器。利用RBF神经网络对同步误差系统进行补偿控制,神经网络的权值可以在线调整,使得同步误差渐近收敛到零点。基于Lya-punov稳定性理论,分析了该控制器的稳定性。分别以分数阶Chen系统的同步和分数阶Liu系统的同步为例进行了数值仿真,仿真结果验证了所设计的控制器的有效性和鲁棒性。

简介：

简介：摘要：随着时间的推移，国内社会已经进入到一个快速发展的信息时代、智能时代，其重要表现就是不同的识别系统开始在各个领域内进行运用，人脸识别系统就是其中之一，并且取得了很好的作用和效果。目前人脸识别系统的研究已经成为了模式识别领域中的一个重点课题，在身份认证、智能监控、信息安全和金融安全等等领域都具有良好的发展前景。目前人脸识别系统的运用主要具有以下几个芳年，包含安全控制、司法运用等等，后续很有可能发展成为一个巨大的、对人类生活、工作产生深刻影响的产业，需要给予相应的重视。故此，在本文中主要针对基于模糊RBF神经网络的人脸识别系统进行系统的研究和分析，其主要目的在于促进基于模糊RBF神经网络的人脸识别系统的运用，使得这一系统具有很好的学习能力，提升人脸识别的准确率。

简介：以某地区购网有功功率的负荷数据为背景，建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L—M优化算法进行预测，使平均相对误差有了很大改善，具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力，使平均相对误差和每日峰值相对误差降低，但收敛速度过慢（慢于SDBP模型），不适于在实际应用中采用。