为了正确判断管道是否发生泄漏，本文采用混合学习方法对网络进行训练学习。通过将管道运行参数作为神经网络的输入，管道运行状态作为神经网络的输出，实现两者的非线性映射，以此来判断输入信号是否为泄漏信号，并选用K-means聚类方法和递推最小二乘法来确定网络参数。通过用天然气管道运行的实测数据对RBF神经网络进行了训练和测试，得到结果误差在可接受的范围内，从而证明RBF神经网络的方法可用于天然气管道泄漏检测的研究。
2022-03-29 14:00:00
817KB
1
为了改善传感器的动态特性,减小系统测量误差,分析了传感器动态性能补偿的基本原理,把模糊RBF神经网络应用到传感器的补偿环节。仿真实验表明,使用补偿的传感器输出达到稳态的时间比没有补偿的缩短了大约9ms,相应的动态特性指标也得到了较大的改善。把该算法用于对瓦斯传感器的非线性校正,大大提高了瓦斯检测的灵敏度和精度。
2022-03-17 16:40:26
187KB
1
BP和RBF神经网络源代码（C++）可运行，已经调试通过，并对其进行了比较；对于学习神经网络的人非常有用，有助于理解神经网络。
2022-03-15 14:29:23
840KB
1
matlab实现PSO优化RBF神经网络的问题-PSO.m
哪位高手有PSO优化RBF神经网络的代码，共享一下，不胜感激！！！:time:
2022-03-03 20:41:52
3KB
1
基于k-means、OLS、gredient、神经网络工具箱等七种方法设计RBF神经网络，编写了RBF神经网络算法程序，为相关研究人员提供一个参考
2022-03-01 14:23:36
21KB
1
使用Python编写的RBF神经网络算法，用来对边坡的位移进行预测。该算法在实际中已经得到了验证，在边坡位移预测中具有很大的使用价值。
2022-02-17 17:16:36
3KB
1