摘要：运用遗传算法 (GA)来优化设计径向基概率神经网络 (RBPNN)结构 ,优选了隐中心矢量和优化求取对应的核函数控制参数 .提出的染色体编码方式 ,充分体现了所选隐中心矢量在模式样本空间中的数量及位置分布 ,同时还包含了相适应的核函数控制参数信息 .新构造的适应度函数不仅有效地控制了网络输出的误差精度 ,而且还能够使得RBPNN结构优化趋于最简 .将IRIS分类问题用于检验该算法的有效性并与ROLSA和MKM进行了比较研究 ,结果表明 ,GA的优化效率最高 。

摘要：对近几年应用遗传算法(Genetic Algorithm,GA)优化设计前向神经网络结构的研究进行了评述。指出了神经网络结构优化设计的重要性和目前各种方法存在的不足。介绍了神经网络结构设计原理和应用GA优化设计神经网络应着重考虑的两个问题:即结构表达策略和适应度函数设计。分别对近来应用GA优化设计多层感知器、径向基函数神经网络和径向基概率神经网络结构的研究进行了细致介绍和分析。指出了目前研究工作的不足和未来研究工作的发展方向。

摘要：为了识别退化的交通标志图像,提出了一种新的特征提取算法。该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程。在利用模糊-仿射联合不变矩作为图像特征的基础上,采用递归正交最小二乘算法优化设计径向基概率神经网络分类器。仿真结果表明:模糊-仿射联合不变矩是一种有效的退化交通标志图像的特征提取算法,所设计的径向基概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能。

摘要：为了识别退化的交通标志图像,提出了一种新的分类算法。该算法在处理图像的退化问题时,采用模糊—仿射不变距直接提取图像的特征而不需要图像的清晰化处理;在利用模糊—仿射不变距提取图像特征的基础上,采用递归正交最小二乘算法设计了一种新的径向基概率神经网络分类器。仿真结果表明:模糊—仿射不变距是一种有效的处理退化的交通标志图像的方法,所设计的径向基概率神经网络分类器不仅具有精简的结构,而且,具有较好分类和推广性能。

摘要：为了识别退化的交通标志图像,采用模糊-仿射联合不变矩直接提取图像的特征,并针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法,避免了需要较大计算量的图像复原处理过程。同时在深入研究径向基概率神经网络的基础上,采用全局K-均值算法优化其网络结构,并将其用于交通标志图像的分类识别。仿真结果表明,模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的径向基概率神经网络分类器不仅具有精简的结构而且有较好分类精度和推广性能。

摘要：提出一种用于雷达辐射源识别的新方法。根据小波包特征(WPT)和脉冲重复间隔(PRI)的特点,将八维WPT中的第六、七个分量(Wpt6、Wpt7)以及PRI的均值和方差(mPRI、σ2PRI)四个特征参数作为雷达辐射源的识别依据,设计了径向基概率神经网络(RBPNN)分类器。通过计算机仿真验证了新方法的可行性,与常规方法相比,不仅提高了识别准确率,识别速度也有所提高。