导读:本文包含了径向基神经网络算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,算法,粒子,双流,数值,流形,极值。
径向基神经网络算法论文文献综述
廖大强[1]（2019）在《基于径向基函数神经网络的数据关联挖掘算法设计》一文中研究指出为了提高用户需求数据挖掘的时效性及准确性,提出基于径向基函数神经网络的数据关联挖掘算法。在对数据频繁项集约束性关联规则研究的条件下,通过约简计算,得到满足约束条件的候选数据集,并对用户需求数据频繁项集更新;利用径向基函数神经网络对候选数据集进行训练优化,通过上界剪枝法,获取用户需求数据,并实现其实时挖掘。实验结果表明,所提数据挖掘算法执行效率受数据规模变化的影响较小,挖掘效率更高,扩展性更好。(本文来源于《科技通报》期刊2019年08期）
于蒙,邹志云[2]（2019）在《基于改进差分进化算法-径向基神经网络的电热水浴串级控制系统研究》一文中研究指出针对电热水浴装置温度控制中被控对象存在的大惯性、非线性、大延迟等特点,设计了一种基于改进差分进化(improved differential evolution, IDE)算法的径向基(radial basis function, RBF)神经网络串级控制系统。采用IDE算法对RBF神经网络的初始参数进行优化,采用优化后的RBF神经网络辨识主控制回路被控对象的Jacobian信息,进而实现主控制回路PID(proportional integration differentiation)控制器参数的在线调整。针对主控制回路控制器包含输出噪声,导致控制性能下降的问题,引入Kalman滤波器对串级控制的主回路进行重新设计,控制对象的输出值经过Kalman滤波算法处理后再返回闭环控制系统。以微化工领域常用电热水浴装置为对象,对IDE-RBF-PID-PI串级控制系统进行仿真实验,结果表明,IDE-RBF-PID-PI串级控制系统相较于常规串级控制,大大提高了控制性能,主控制回路引入的Kalman滤波算法有效消减控制系统的输出噪声,控制效果接近于无噪声的理想状态。(本文来源于《化工学报》期刊2019年12期）
蓝机满[3]（2019）在《基于径向基神经网络的粒子群表面缺陷识别算法》一文中研究指出金属部件表面缺陷识别问题是模式识别领域的研究热点,高效、可靠的表面缺陷识别方法能够有效提高生产效率、维护生产安全。针对这一问题,文中提出了一种利用径向基(RBF)神经网络和粒子群优化(PSO)算法相结合的表面缺陷识别算法。采用PSO算法确定和改进RBF神经网络的权值参数,同时对PSO算法中的惯性权重进行线性处理,有效消除了PSO算法中的最优解局部振荡现象。针对金属部件表面常见的几种缺陷对RBF-PSO表面缺陷识别算法进行网络训练,并进行相应的实际测试。文中提出的RBF-PSO表面识别算法识别准确率可达96%,相比于传统的神经网络算法具有明显的性能提升。(本文来源于《电子科技》期刊2019年05期）
曾祥志,许琴,刘志宽,管立新[4]（2019）在《基于混合学习算法的径向基函数神经网络设计》一文中研究指出隐藏层中心点参数的选择和权值向量的快速计算是径向基函数神经网络设计的关键问题.基于"半月"数据集,论文提出了一种上下半月单独计算聚类中心的K-均值聚类、递归最小二乘算法计算权值向量的混合学习算法.基于叁层RBF神经网络结构,以支持向量机作为分类器,开展了K-均值+最小均方算法及K-均值+递归最小二乘算法2种混合模式的对比实验.实验结果表明,"K-均值+RLS"算法相比"K-均值+LMS"算法具有更快的收敛性,在应对线性不可分的情况,上下半月单独作用的K-均值聚类算法表现更优越,综合考虑收敛速度及分类精度两个指标,论文提出的上下半月单独计算中心点的K-均值聚类+RLS的混合学习算法获得较优的性能.(本文来源于《赣南师范大学学报》期刊2019年03期）
夏金红[5]（2019）在《基于PSO算法的径向基神经网络优化设计及应用研究》一文中研究指出径向基神经网络(RBF)因其收敛速度快、结构简单、能够逼近任意非线性网络的特点,逐步在各个行业和领域的得到了广泛的应用。但是在现实的应用的过程中,传统的算法虽然能快速的构建网络,但是很难达到预期的效果,所以常常将该算法与优化算法相结合来构建网络,这种结合方式是目前神经网络研究的一个热点。本文使用粒子群算法对径向基神经网络与模型进行了优化。粒子群算法作为一种具有实现容易、算法运行收敛快、运行结果精度高等优点的并行算法,研究发现,这种算法在实际应用中具有其独特的优越性。同时PSO算法也存在缺点,如局部能力搜索能力差和早期收敛,在求解复杂问题时,如果没有搜索到全局最优,粒子可能会保持在某个位置停滞不前;并且在后期当粒子在极值点附近时,此时搜索速度变得缓慢,这将会导致粒子搜索能力变差。学者们提出许多的改进算法,使算法在性能及效率上都得到了较大的提高。然后要研究出精度更高、效率和性能更好的算法仍是研究者们重要的目标。本文首先介绍径向基神经网络算法,深入研究RBF算法的原理,参数的设置、流程,接着探讨粒子群算法,研究它的算法思想运行模式以及标准算法得到的更新公式,最后通过粒子群算法对RBF神经网络进行优化。在深入分析粒子群算法后,针对粒子群算法出现的过早收敛和搜索能力差等问题,提出了一种改进的粒子群算法,通过非线性调整惯性权重和引入平均极值因子,来提高算法的搜索精度和能力。提出一种优化的PSO-RBF神经网络算法,将径向基神经网络与粒子群算法相结合,建立基于PSO算法的径向基神经网络模型。本文将优化的PSO-RBF神经网络模型运用于水质评价中,水质评价是一个复杂的过程具有非线性、不确定性、时变等特点,针对评价过程中精度不高、鲁棒性等特点,利用PSO算法对RBF神经网络进行优化,提高神经网络的精度和收敛速度,进而提高水质评价的准确性,并与传统的算法进行比较,证明本文算法的优越性和可靠性。(本文来源于《西华师范大学》期刊2019-04-01）
王春林,胡蓓蓓,冯一鸣,刘轲轲[6]（2019）在《基于径向基神经网络与粒子群算法的双叶片泵多目标优化》一文中研究指出针对双叶片泵存在水力性能比相同比转速的多叶片离心泵低的缺陷,该文以一台型号为80QW50-15-4的双叶片污水泵作为研究对象,将其设计流量点的扬程和效率定为优化目标,运用ANSYS CFX(computational fluid dynamics x)进行数值模拟获得性能数据,采用径向基(radial basis function,RBF)神经网络建立结构参数与扬程、效率性能间的预测模型,并将其用作粒子群算法的适应值评价模型,在样本空间内进行最优值求解,获得扬程和效率的Pareto解。选取扬程最优个体和效率最优个体进行数值模拟,研究其在输运不同介质时的性能与内流场差异,并与初始模型的数值模拟数据相比较。经试验验证,清水介质中设计流量点扬程最优个体的扬程较初始个体增加0.96 m,增幅达到5.5%;效率最优个体的效率较初始个体提升了10.11个百分点。该优化方法改善了叶轮水力特性,使双叶片泵性能得到提高。(本文来源于《农业工程学报》期刊2019年02期）
张义[7]（2018）在《基于改进的LF算法的径向基函数神经网络优化算法》一文中研究指出径向基函数神经网络是一个具有叁层结构的前馈式的网络,其隐含层节点个数和网络参数不易确定,通过使用LF算法将样本数据进行聚类操作进而获取网络的隐含层节点个数及参数信息,可以较好的提高网络的效率与准确率。由于LF本身存在的缺点,使用同时移动多个相似度高的物体和动态调整领域两种方法对LF算法进行改进,提高聚类效果,从而促进RBF网络的准确率。(本文来源于《数码世界》期刊2018年08期）
贺永春[8]（2018）在《基于粒子群优化算法的径向基神经网络》一文中研究指出分析了正则化及广义径向基神经网络(RBF)的基本原理;比较了不同重迭系数及隐藏层节点数对网络逼近能力的影响并采用粒子群算法(PSO)对RBF网络设计参数进行优化。结果表明:不同的重迭系数及隐藏层节点数对网络结构具有较大的影响,且采用PSO优化之后的RBF网络具有较小的网络结构,能对目标函数进行精确拟合。(本文来源于《榆林学院学报》期刊2018年04期）
冯一鸣[9]（2018）在《基于径向基神经网络与粒子群算法的双流道泵多目标优化设计》一文中研究指出双流道泵因具有过流通道宽阔、不易堵塞的特点而被广泛应用于输运含有复杂成分的液体。然而,又因其水力结构过于简单、叶片数过少,双流道泵的整体性能往往低于同比转速的多叶片泵。因此,寻求出一种能同时提升双流道泵多个性能的优化方法是一项具有实际工程意义的工作。本文以一台型号为80QW50-15-4的双流道污水泵作为研究对象,将其设计流量点的扬程和效率定为优化目标,结合径向基(RBF)神经网络和粒子群算法,提供一种全新的双流道泵优化设计方法。以下为本文主要研究工作:1.总结前人对双流道泵内部流动原理以及优化设计的研究成果,分析将智能优化方法应用在双流道泵优化设计的可行性。根据实际工程应用确定本型号双流道污水泵的工作介质为清水样溶液,固液两相流体以及宾汉流体,其中清水样溶液为主要工作介质。2.摘录计算流体力学相关公式,说明本文采用ANSYS CFX15.0进行数值模拟的理论基础。根据初始模型泵的二维水力图纸,运用Pro/Engineer5.0进行叶轮和蜗室的水体造型。采用ICEM进行计算域的网格划分,并根据网格无关性验证结果选取合理的网格划分方案。3.说明泵的主要性能参数计算公式。对比分析模型泵输运清水介质的试验和模拟性能数据,保证数值模拟的可靠性。此外,还研究了模型泵输运不同工作介质时的性能表现和内流场差异。4.选取部分初始模型叶轮结构参数进行性能影响显着性分析,通过Plackett-Burman筛选试验确定叶片包角、叶片出口安放角和叶轮出口宽度为对设计流量点扬程和效率影响显着的因素。根据方开泰的均匀设计表安排径向基神经网络的训练样本,建立起显着结构参数和性能间的预测模型,并随机产生5组结构参数进行性能预测模型的测试和误差分析。5.以训练好的径向基神经网络性能预测模型作为多目标粒子群算法的适应度评价模型,求解获得扬程和效率的Pareto解集及对应的结构参数。选取扬程最优个体和效率最优个体进行性能和内流场的研究,数值模拟结果显示优化后个体在输运不同介质时的性能均较初始模型均得到提升。此外,经清水试验验证,在设计流量点,扬程最优个体的扬程较初始个体增加0.96m,增幅达到5.5%;效率最优个体的效率较初始个体提升了10.11个百分点,优化效果显着。(本文来源于《江苏大学》期刊2018-06-01）
张江涛[10]（2018）在《基于流形学习算法与径向基函数神经网络的齿轮故障诊断》一文中研究指出当代机械设备发展的方向是朝着设备生产自动化、运行高效化、结构的复杂化和大型化,这使设备与设备的联系也更加的密不可分。机械设备一旦有某一部分出现故障,就会影响整个生产系统的运行,直接或间接造成的损失会成倍的增加,由此可见设备的高可靠性、低故障率以及高安全性对现代工业生产的重要性。在机械设备中,齿轮传动是最为广泛的传动方式,同时它具有传动比恒定不变、传动结构紧凑、传递扭矩大等特点。防止因其故障而导致机械设备停止运行,延长设备工作时间,因此对齿轮传动系统的运行检测和故障诊断,并及早的预测和发现故障,对提高经济效益有重要意义。本文提出将流形学习算法与RBF神经网络相结合的齿轮故障诊断方法。针对齿轮振动信号,集合经验模式分解(EEMD)可以对信号自适应地进行分解,从而可以得到信号的时域以及频域的局部信息,所以,本文用EEMD的方法来提取信号当中的故障特征,组成故障诊断的原始特征量。由于,该方法所提取的原始特征量具有较高的维数和信息冗余的缺点,会影响RBF神经网络对特征的分类和识别。流形学习算法当中的局部切空间排列算法(LTSA)是一种解决非线性数据结构的算法,进行复杂信号的维数约简。将LTSA与EEMD相结合可以很好的提取振动信号中的特征量,为此,本文提出一种基于集合经验模态分解与流形学习相结合的特征提取方法:首先,利用EEMD对收集的齿轮振动信号数据进行自适应分解,并利用分解所得的本征模态分量(IMF),计算出这些IMF所对应的协方差矩阵特征值,将特征值构成齿轮原始特征集;然后进一步的利用LTSA对原始特征集除冗提取,得到新特征量集;最后,将其输入到已经训练好的RBF神经网络中进行齿轮故障识别。本文还分析齿轮振动的机理与特征,介绍在故障诊断领域当中人工神经网络的重要应用。建立RBF网络模型,通过采集的齿轮振动信号,对基于流形学习算法与RBF神经网络相结合的齿轮故障诊断方法在齿轮故障模拟试验台上进行验证,同时还建立小波包-RBF诊断模型,将两种诊断结果对比,结果表明LTSA与EEMD相结合的特征提取效果较好,在故障诊断领域中具有广泛的应用前景。(本文来源于《河北工程大学》期刊2018-05-01）
径向基神经网络算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对电热水浴装置温度控制中被控对象存在的大惯性、非线性、大延迟等特点,设计了一种基于改进差分进化(improved differential evolution, IDE)算法的径向基(radial basis function, RBF)神经网络串级控制系统。采用IDE算法对RBF神经网络的初始参数进行优化,采用优化后的RBF神经网络辨识主控制回路被控对象的Jacobian信息,进而实现主控制回路PID(proportional integration differentiation)控制器参数的在线调整。针对主控制回路控制器包含输出噪声,导致控制性能下降的问题,引入Kalman滤波器对串级控制的主回路进行重新设计,控制对象的输出值经过Kalman滤波算法处理后再返回闭环控制系统。以微化工领域常用电热水浴装置为对象,对IDE-RBF-PID-PI串级控制系统进行仿真实验,结果表明,IDE-RBF-PID-PI串级控制系统相较于常规串级控制,大大提高了控制性能,主控制回路引入的Kalman滤波算法有效消减控制系统的输出噪声,控制效果接近于无噪声的理想状态。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
径向基神经网络算法论文参考文献
[1].廖大强.基于径向基函数神经网络的数据关联挖掘算法设计[J].科技通报.2019
[2].于蒙,邹志云.基于改进差分进化算法-径向基神经网络的电热水浴串级控制系统研究[J].化工学报.2019
[3].蓝机满.基于径向基神经网络的粒子群表面缺陷识别算法[J].电子科技.2019
[4].曾祥志,许琴,刘志宽,管立新.基于混合学习算法的径向基函数神经网络设计[J].赣南师范大学学报.2019
[5].夏金红.基于PSO算法的径向基神经网络优化设计及应用研究[D].西华师范大学.2019
[6].王春林,胡蓓蓓,冯一鸣,刘轲轲.基于径向基神经网络与粒子群算法的双叶片泵多目标优化[J].农业工程学报.2019
[7].张义.基于改进的LF算法的径向基函数神经网络优化算法[J].数码世界.2018
[8].贺永春.基于粒子群优化算法的径向基神经网络[J].榆林学院学报.2018
[9].冯一鸣.基于径向基神经网络与粒子群算法的双流道泵多目标优化设计[D].江苏大学.2018
[10].张江涛.基于流形学习算法与径向基函数神经网络的齿轮故障诊断[D].河北工程大学.2018
论文知识图
