摘要：从信息扩散的角度对ＲＢＦ（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎ）网络进行了分析．从理论上证明了ＲＢＦ网络具有信息扩散功能，并分析了其网络的物理意义．说明了根据正态扩散的择近原则确定ＲＢＦ网络中规划因子的合理性，也说明了在训练样本数目大时用聚类方法确定中心参数的优越性．实验结果证明这种方法设计的ＲＢＦ网络分类器性能优于一般ＲＢＦ网络分类器．

摘要：采用PSO混合编码,提出了一种基于混合MPSO-BP的rbf自构建学习算法。该算法中,每个粒子由整数与实数两部分构成,分别对rbf的基函数个数及相关参数(中心、宽度和输出层权值)进行编码。同时设计了一个特殊的适应度函数,在保证精度的前提下,使网络的结构相对简单,以增强网络的自适应与泛化能力,减少主观因素设计对网络性能的影响。仿真实验表明,相对于rbf其他学习算法,所提算法隐节点少、精度高、泛化能力强。

摘要：针对一类磁悬浮系统,研究了基于rbf网络的自适应反推控制器的设计和分析问题.首先在较弱的条件下,通过引入一监督控制,保证了闭环系统的状态落入一紧集中;然后通过rbf网络的逼近性质和反推设计技术,给出了一种鲁棒自适应控制器的设计;最后利用Lyapunov稳定性理论,严格地分析了这种自适应控制系统的稳定性和跟踪性能.

摘要：一些研究者基于简化机理模型,讨论了固定床反应器的推断控制。然而,工业过程中有许多固定床反应器的机理模型尚难以建立,而且由于固定床反应器特性的复杂性,模型简化和状态估计器的设计等具有较大的困难。因此,基于“黑箱”模型研究固定床反应器的推断控制可能是一条十分有效的途径。Budman等人提出用部分最小二乘法(PLS)以改进回归模型的性能。他们对实验室固定床反应器,假设沿反应器轴向的十点温度可以测量,并据此建立回归模型,然而由于固定床反应器具有严重非线性和时变等特性,用PLS法建立估计器仍有局限性。另外,实际的固定床反应器可能只有少数几个温度可以测量。因此其面向应用的推断控制策略的研究有十分重要的意义。

摘要：提出了一种基于滑模补偿的rbf网络自适应控制方法,并将其用于六轴机械臂上,实现了在模型不确定情况下高精度的位置跟踪以及快速的逼近速度.为了更好地保证其在摩擦力、外部干扰误差和参数变化等因素影响下的稳定性,采用滑模控制作为辅助控制,对系统进行鲁棒补偿,并且用模糊控制对切换增益进行时变以更好地补偿不确定项.所设计的自适应律权值不断进行在线调整,并应用Lyapunov定理验证了其稳定性.通过仿真结果和与其他文献方法进行的比较证明了所给出方法收敛速度更快、鲁棒性更强.同时也证明了在实际工程中,实际建模参数与理想值相差很大.

摘要：基于DNA计算操作算子,提出了一种多目标非支配排序遗传算法,用于实现径向基函数(rbf)网络的优化设计。以rbf网络结构最简、拟合精度最高为优化指标,得到一组Pareto最优解,并根据测试数据的误差绝对值之和最小准则,从Pareto最优解集中筛选出最佳rbf网络。连续搅拌反应釜和pH中和过程建模仿真研究表明,该算法是一种有效的"黑箱"动态建模方法。

摘要：针对受外扰影响的统一混沌系统,提出一种基于径向基函数(rbf)神经网络的主动滑模自适应控制方法.将被控系统分解为受控子系统和自由子系统,利用主动控制思想,建立受控子系统在目标点处的状态误差的可控标准型,设计出一个结构简单的基于滑模趋近率在线参数整定的rbf函数神经网络控制器,并且基于Lyapunov稳定性理论分析了系统的稳定性.仿真结果表明该控制器对系统参数突变和外部干扰具有鲁棒性,同时抑制了抖振.

摘要：对敌方雷达信号调制类型的识别是电子对抗的一个重要方面。采用了一种基于人工免疫聚类和进化规划的混合算法设计径向基函数(rbf)网络,并将其应用于雷达信号调制类型的自动识别。该算法首先利用一种实现数据聚类的人工免疫机制,根据输入数据集合自适应地确定rbf网络初始中心的数量和位置,之后采用进化规划训练rbf网络。仿真实验表明,采用这种方法设计的rbf网络对各种模拟调制信号的调制类型达到了较高的识别精度。

摘要：主观评价指标权重的确定方法是人机界面评价中的一项关键技术,现有的人机界面主观评价方法难以摆脱个人和随机性因素的影响.提出的基于rbf网络的主观评价指标权重计算方法,利用人工神经网络的自组织、自学习与自适应特性对网络进行训练,使网络学习隐含在训练数据中人机界面主观评价指标的权重规律中,自适应调整主观评价指标的权重,克服了主观赋权法定权的随机性因素影响.文中建立了基于rbf网络的光柱表人机界面主观评价模型;研究了主观评价的样本数量、扩展系数、网络模型精度三者之间的相互关系.对不同训练样本数的光柱表人机界面主观评价rbf网络模型的分析表明,采用80个训练样本可以得到令人满意的评价精度.

摘要：针对车辆舱室内的噪声特点,在分析噪声系统非线性特性的基础上,将高速实时信号处理器DSP应用于有源降噪系统的硬件设计中,提出一种基于变结构rbf神经网络的噪声自适应控制方案,给出滤波-X算法并进行仿真验证。同时将该滤波算法的降噪效果和基本的滤波-X算法的进行比较。结果表明,采用该控制算法取得了良好的降噪效果。