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

基于径向基神经网络（RBF）的数据回归预测（Matlab完整程序和数据） 运行版本2018及以上 基于径向基神经网络（RBF）的数据回归预测（Matlab完整程序和数据） 运行版本2018及以上 基于径向基神经网络（RBF）的数据回归预测（Matlab完整程序和数据） 运行版本2018及以上

使用PSO优化RBF神经网络的主要参数中心值c, 宽度σ以及连接权值w。然后将影响输出响应值的多个特征因素作为PSO-RBF神经网络模型的输入神经元, 输出响应值作为输出神经元进行预测测试。

本硕博研究专用 其中常规PID和模糊PID是用仿真实现的，神经网络PID是用编程实现的。

针对模型未知的多机械臂系统,利用多个独立的RBF神经网络,对每个子机械臂系统进行逼近,基于图论原理定义了每个子系统之间的同步耦合关系,结合滑模控制方法设计出一种机械臂无模型自适应同步控制器。通过神经网络权值的不断在线迭代过程,随机械臂工作任务的变化可以实现对其动力学模型的实时逼近,摆脱了数学模型的限制,扩大了控制器的应用范围,在初始误差较大的情况下也可以保证对期望轨迹实现快速跟踪,并且系统在载荷发生改变等不确定的情况下依然能够实现同步,提高了控制器的鲁棒性。最后通过Lyapunov稳定性分析和Matlab仿真对所设计的同步控制器进行了验证。

基于RBF神经网络的回归分析的matab实现

自己编写RBF神经网络程序，RBF神经网络隐层采用标准Gaussian径向基函数，输出层采用线性激活函数，其中数据中心、扩展常数和输出权值均用梯度法求解，它们的学习率均为0.001。其中隐节点数选为10，初始输出权值取[-0.1，0.1]内的随机值，初始数据中心取[-1，1]内的随机值，初始扩展常数取[0.1，0.3]内的随机值，输入采用[0 1]的随机阶跃输入

通过GA算法优化RBF神经网络初始参数，以减小误差，提高诊断效率，对GA-BP故障诊断模型进行MATLAB仿真分析

自己修改的一个源程序，用粒子群算法优化RBF神经网络的中心值，宽度，权值，可以直接运行~喜欢分类、预测的朋友们，可以下载！