简介：自适应有源噪声控制（简称AANC）是采用自适应方式完成次级声源控制的有源消声技术，AANC系统的墼心是自适应滤波器和相应的自适应算法。文中利用RBFN络的任意精度逼近函数能力来对控制器的传递函数进行逼近，并对输入样本进行训练。从而尽可能达到理想传递函数应有的输出量。仿真结果表明，用RBFN络对控制器的传递函数进行逼近，可以取得比较理想的预期效果。

简介：由经典的函数逼近理论衍生的很多数值算法有共同的缺点：计算量大、适应性差，对模型和数据要求高，在实际应用中受到限制。神经网络可以被用来计算复杂输入与输出结果之间的关系，具有很强的函数逼近功能。文章阐述如何利用RBFNN进行函数逼近、求解非线性方程组以及散乱数据插值，结合MATLAB神经网络工具箱给出了数值实例，并与BP网络等方法进行了比较。应用结果表明RBFNN是数值计算的一个有力工具，与传统方法比较具有编程简单、实用的特点。

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：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：在可靠性加速试验中，由于各种不同的应力引起的失效机理不一样，不同应力之间可能还存在着相互耦合作用，要将它们和寿命结合，找出一个能真实描述客观情况的加速模型是相当困难的，仅仅依据有限的试验数据建立产品的加速模型存在很大难度和风险，为此提出了一种基于RBF网络加速模型的可靠性评估方法．该方法将加速寿命试验中的加速应力和可靠度作为训练网络的输入向量，相应的时间作为目标向量对网络进行训练，根据网络收敛速和误差精度等情况调整隐含层单元个数，直至得到最优的网络．最后，以实例说明了该方法的有效性和实用性．

简介：针对体质综合评价过于繁琐和复杂的问题,利用RBF神经网络具有良好的非线性处理能力的特性构建一个体质的综合评价模型,同时为了使网络具有更好的输出效果,利用具有Levy飞行模式的布谷鸟算法对RBF神经网络的权值进行优化。实验结果显示,利用该模型对学生的体质进行综合评价,效果良好。

简介：摘要院针对传统的RBF神经网络在选取中心矢量参数时的不足，提出用具有较强跳出局部最优的布谷鸟算法（CS）优化RBF神经网络的中心矢量的改进算法，并将该算法应用于股票价格的预测，仿真结果表明该算法的预测精度比传统的RBF算法的预测精度高，是一种有效的股票预测方法。

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：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：摘要基于移动互联网的自助劳务众包平台是一个以任务的发生、传递与完结为主线的众包平台。为了保证“拍照赚钱”企业和APP公司盈利，以完成任务点数据、会员分布密度、任务-中心距、交通便利程度作为网络的输入层，经过隐含层中m个神经元进行学习，以相应的定价作为输出层，建立基于RBF神经网络的效用模型。

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：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：为解决轨道衡称重时非线性误差大、误差补偿较难实现的缺点，本文提出一种基于免疫RBF网络的轨道衡误差补偿实现方法。通过分析轨道衡称重误差的来源，建立了轨道衡的实际称重模型；针对传统RBF网络学习策略存在的不足，提出了基于免疫机制的三级RBF网络学习方法，通过免疫三级算法训练的RBF网络，在轨道衡误差补偿仿真实验中实现了良好的误差补偿效果，与普遍使用的加权融合误差补偿方法相比，免疫RBF网络补偿误差减小了约92％，具有明显优越性。

简介：

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：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：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。