摘要：提出了一种采用免疫算法训练多层前向神经网络的方法。该方法利用免疫算法训练前向神经网络,能够使网络优化过程趋于全局最优。利用基于遗传策略的聚类机制确定前向神经网络的初始权值,增加了网络训练算法收敛于全局最优的概率。将这种神经网络用于雷达模拟调制信号的调制方式识别的仿真结果表明,采用该算法设计的前向神经网络达到了较高的性能。

摘要：基于人工免疫聚类机制和免疫进化算法,提出了一种新型的设计RBF网络的混合算法。该方法利用人工免疫聚类机制,根据输入数据集合自适应地确定RBF网络核函数的数量及其中心的初始位置。采用免疫进化算法训练RBF网络,进一步缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度。计算机仿真表明,这种RBF网络结构精简并具有较强的泛化能力。

摘要：针对径向基函数(RBF)网络和免疫系统的相似性,本文提出了一种基于免疫模型的RBF网络在线学习方法以解决动态问题.该方法借鉴了免疫系统动态调整以对抗不断入侵的抗原的机制,通过免疫初步覆盖、免疫交叉响应和疫苗注射等免疫操作,加速算法效率、提高算法精度和动态性能.通过以上操作使得RBF网络能够根据样本的变化迅速地调整网络结构与参数.计算机仿真研究表明,采用这种方法设计的RBF网络在动态环境下具有优良的精度和泛化能力.

摘要：提出了一种基于径向基函数 (RBF)网络的雷达信号分选识别方法 .这种RBF网络分选系统采用改进免疫算法设计RBF网络的隐层参数 ,可以达到较高的优化效率 ,使系统结构趋于全局最优 .在复杂雷达信号环境下的仿真实验表明 ,这种基于RBF网络的雷达分选识别系统能够有效利用输入信号资源 。

摘要：本文提出了基于免疫算法设计的径向基函数(RBF)网络阵列实现对雷达信号体制和用途的分类识别。同单个神经网络相比,这种方法克服了识别类型较多时存在的扩充、修改、维护等难点。在RBF子网络的训练中,采用结合记忆机制的递阶免疫算法确定RBF网络的隐层参数,有效折衷了系统性能和运算量之间的矛盾。实验结果表明,采用这种方法设计的雷达信号识别系统达到了很高的性能。

摘要：结合改进的免疫算法和最小二乘法,提出了一种设计径向基函数(RBF)网络的两级学习方法.该方法利用免疫算法确定RBF网络隐层的非线性参数,能够有效克服进化算法的未成熟收敛现象.改进的免疫算法针对RBF网络的特点,采用基于矢量距离的亲和度计算方法,克服了原有基于信息熵计算方法存在的计算复杂、参数难于确定的缺陷.将这种方法设计的RBF网络用于Mackey-Glass混沌序列预测的仿真实验证明了该方法的有效性.

摘要：无线通信中,传输信号由于受信道时间选择性衰落和频率选择性衰落的影响容易出现传输失真,因此,通常在接收端通过均衡器进行校正。该文根据无线局域网的特点,结合OFDM技术和长训练序列的特性,提出了一种均衡器结构。系统在S imu link环境下根据802.11 a定义进行了算法性能仿真并由FPGA完成硬件电路的开发,结果表明该均衡器结构简单,性能可靠且处理速度快,可作为802.11 a无线局域网的一个模块,在实际运用中可获得较好的效果。

摘要：弱信号检测问题是目标检测中的一个重要研究内容。利用背景信号为混沌信号这一先验知识,采用径向基函数神经网络(RBFNN)建立混沌背景的一步预测模型,RBF网络利用遗传算法训练,最后,设计了门限滤波器,得到感兴趣的信号。仿真结果表明,在非线性程度很高的情况下,通过与其它几种训练RBF网络算法的比较,利用遗传算法训练的RBF网络具有最高的检测精度,并且训练得到的网络的复杂程度最低。

摘要：针对捷变频雷达的频率预测问题,提出了基于一种新型RBF网络的频率预测方法。该方法将频率预测问题等效为伪随机序列预测问题,并采用结合人工免疫聚类和进化规划的混合算法确定RBF网络的隐层参数。计算机仿真表明,采用这种方法设计的RBF网络预测器可以准确地预测捷变频码,是一种对抗捷变频雷达的有效方式。

摘要：针对OFDM系统的信道估计问题,提出了一种新型的基于免疫机制的RBF网络信道估计方法。该算法能够有效提高网络训练精度,改善进化训练算法的未成熟收敛问题。在低信噪比,快衰落的恶劣信道情况下,文中采用的RBF网络相对传统算法表现出了优异性的性能,设计出的信道估计器可以达到很高的测量精度。