区间RBF神经网络的结构与算法

本文针对大功率船舶柴油发电机组具有的不确定性、时变性、非线性和大纯滞后等特性,借鉴RBF神经网络与模糊控制各自的优势,将模糊控制与RBF神经网络进行有机融合,设计了基于模糊RBF神经网络的船舶柴油发电机组转速PID控制器,并对船舶柴油发电机组转速控制系统分别在正常工况和异常工况下的动态过程进行仿真与分析。通过与常规PID控制、RBF神经网络PID控制和模糊PID控制三种方法下的仿真效果进行比较,验证了本文提出的方法具有更好的稳定性和抗干扰能力。

为了提高风电功率的预测精度,研究了一种基于粒子滤波(PF)与径向基函数(RBF)神经网络相结合的风电功率预测方法。使用PF算法对历史风速数据进行滤波处理,将处理后的风速数据结合风向、温度的历史数据,归一化后构成风电功率预测摸型的新的输入数据;利用处理后的新的输入数据和输出数据,建立PF-RBF神经网络预测摸型,预测风电场的输出功率。仿真结果表明,使用该预测摸型进行风电功率预测,预测精度有一定的提高,连续 120 h功率预测的平均绝对百分误差达到8.04%,均方根误差达到 10.67%。

1.领域：matlab，GA遗传算法优化RBF神经网络算法 2.内容：基于GA遗传算法优化RBF神经网络进行数据预测matlab仿真+代码操作视频 3.用处：用于GA遗传算法优化RBF神经网络算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

径向基(Radial Basis Function:RBF)神经网络学习笔记-附件资源

太原理工大学运动控制系统课程设计《基于RBF 神经网络PID 控制双闭环直流电动机调速系统设计》，完整可直接使用，包含matlab工程文件

针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO)。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。

提出一种新颖的基于boosting RBF神经网络的入侵检测方法。将模糊聚类和神经网络技术相结合，提出基于改进的FCM算法和OLS算法相结合的FORBF算法，为了提高RBF神经网络的泛化能力，采用Boosting方法，进行网络集成。以“KDD Cup 1999 Data”网络连接数据集训练神经网络并仿真实验，得到了较高的检测率和较低的误警率。

RBF神经网络的研究与应用硕士毕业论文-BP神经网络股指预测模型 1[1].0.doc 【作者中文名】 缪凯; 【导师】 赵志刚; 【学位授予单位】 青岛大学; 【学科专业名称】 计算机应用技术 【学位年度】 2007 【论文级别】 硕士 【网络出版投稿人】 青岛大学 【网络出版投稿时间】 2007-11-30 【关键词】 RBF神经网络; 微菌群算法; 车牌识别; 多层识别器; 【英文关键词】 RBF Neural Networks; Micro Bacterial Colony Chemotaxis Algorithm; Mobile Sign Recognition; multi-layered recognizer; 【中文摘要】 径向基函数神经网络是一种高效的前馈式神经网络，它具有其他前向网络所不具有的最佳逼近性能和全局 最优特性，并且结构简单，训练速度快。同时，它也是一种可以广泛应用于模式识别、非线性函数逼近等领域的神经网 络模型。全文的主要工作体现在以下几个方面： 1在细菌群体趋药性优化算法的 基础上提出了一种新的优化算法微细菌群体趋药性算法。M-BCC算法采用了两个菌群进行寻优。寻优菌群规 模小，提高了寻优的速度；库存菌群规模相对较大但是不参与运算，保证了寻优菌群的多样性。对比标准遗传算法和BCC 算法，本算法具有一定的优越性。 2本文在研究前人径向基神经网络的基础上，提出了RBF神经网络的混合结构优化算法 。在算法中，改进了递归正交最小二乘算法的停止条件，并用改进的ROLS算法优选RBF神经网络中隐单元的个数； 借用微细菌群体趋药性算法的思想来确定RBF神经网络隐层神经元的控制参数；把改进的ROLS算法和M-BCC算法相结合 ，来全结构优化RBF神经网络，使RBF网络不但可以得到合适的结构，同时也可以得... 【英文摘要】 RBF neural network is a high effective neural network. It has the best and universalapproximation property, simple structure and fast training speed. In addition, this network modelcan be widely applied to the fields such as pattern recognition, nonlinear function approximation. The main works in the thesis can be stated as follows: 1 A new kind of optimized algorithm is proposed, which is the Micro-BCC algorithm based on theBacterial Colony Chemotaxis optimized algorithm. Micro-BCC algorithm takes ...

使用BP神经网络、RBF神经网络以及PSO优化的RBF神经网络进行数据的预测