导读:本文包含了径向量神经网络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,粒子,连续函数,卡尔,卷积,溶解度,诊断仪。
径向量神经网络论文文献综述
张凯凯,郭松林,毕晨琳[1]（2019）在《径向基函数神经网络分类器与CNN在癌细胞图像分类中的应用》一文中研究指出本文提出一种新的用于对卷积神经网络提取的特征进行分类的分类器即径向基函数神经网络(rbfnn)分类器。其思想是利用卷积神经网络作为特征提取器,使用rbfnn对提取的特征进行分类。同时在训练时采取softmax分类器与rbfnn分类器同步训练的方式,其中rbfnn分类器将MSE(均方误差)损失作为监督信息,softmax分类器用交叉熵损失作为监督信息。优化后的模型优于[1]中的72.9%的准确率。(本文来源于《电子测试》期刊2019年22期）
谢春丽,王宇超,张博淋[2]（2019）在《基于径向基神经网络的发动机故障诊断技术》一文中研究指出发动机是汽车动力系统的重要组成部分,其正常运转对驾驶员及乘员安全起着至关重要的作用。基于传统BP神经网络发动机的故障诊断技术具有收敛速度慢、诊断精确度低等劣势,为了提高诊断准确度,本文利用径向基(RBF)神经网络模型对汽车发动机故障位置及类型进行诊断。通过元征X-431汽车故障诊断仪采集发动机在多种不同工况下故障试验的数据并做归一化处理,将试验数据作为神经网络的输入,将发动机正常运转和8种常见故障类型作为输出,建立RBF神经网络模型进行训练。对多种实测的故障数据进行测试和识别,验证所提出的算法的准确性,结果表明此方法对发动机故障诊断的准确率可以达到90%,为汽车发动机故障诊断提供参考。(本文来源于《森林工程》期刊2019年06期）
崔年生,常跃,董英健,危剑林,夏鹤平[3]（2019）在《基于进化径向基神经网络方法的爆破参数优化》一文中研究指出多宝山铜矿处于高寒地区,常年的冻融循环作用以及台阶爆破的扰动影响了矿岩台阶的物理力学性质,按照原有的爆破参数进行设计并施工,爆破效果往往不理想,主要是大块率偏高、底根较多。为此,采用进化径向基神经网络方法对孔网参数、炸药单耗、排间延期时间等爆破参数进行优化,根据神经网络的训练与预测结果,最终得出了一套适用于多铜矿岩台阶爆破的最优爆破参数,通过进行一系列的现场爆破试验,并与之前的爆破效果进行对比,大块率显着降低,炸药单耗有所下降,提高了铲装的工作效率,节省了爆破成本,取得了良好的爆破效果,并增加了采矿经济效益。此方法科学可行,适用于多宝山铜矿的台阶爆破参数优化。(本文来源于《现代矿业》期刊2019年10期）
王镇道,郭敬勋,肖旺[4]（2019）在《基于自适应径向基函数神经网络的光伏MPPT研究》一文中研究指出光伏系统在局部遮阴情况下,输出曲线呈现多峰特性.针对传统最大功率控制算法易追踪到局部最大功率点的缺陷,提出一种基于自适应径向基函数(Radial Basis Function,RBF)神经网络的控制算法.该算法以自适应线性算法优化RBF神经网络的扩展常数与权重,克服了传统神经网络算法收敛速度慢、全局寻优差的缺点.在MATLAB/Simulink环境下建立自适应RBF神经网络仿真模型进行验证,结果表明,提出的算法在外界光照、温度发生变化时能准确找到光伏系统的最大功率点,且在收敛精度和收敛时间上均有很大的提升.(本文来源于《湖南大学学报(自然科学版)》期刊2019年10期）
徐博,李盛新,金坤明,王连钊[5]（2019）在《基于径向基函数神经网络辅助容积卡尔曼滤波的多自主水下航行器协同定位方法》一文中研究指出在多自主水下航行器(AUV)协同定位系统中,针对协同定位性能受到系统内部和外部等多种因素制约的问题,提出一种基于径向基函数(RBF)神经网络辅助容积卡尔曼滤波(CKF)的多AUV协同定位方法。当基准参考位置可用时,通过非线性CKF得到滤波新息、预测误差和滤波增益作为RBF神经网络输入层的输入,滤波误差值作为输出对RBF神经网络进行训练;当基准信号中断时,利用训练好的RBF神经网络,对CKF的滤波状态估计值进行补偿,进而得到新的估计状态。利用湖试数据,模拟多AUV协同定位系统输入存在误差情况下的协同定位实验。实验结果表明,所提方法与无RBF辅助的CKF方法相比,平均定位误差减小70%,具有更好的准确性和稳定性。(本文来源于《兵工学报》期刊2019年10期）
王林,高林,郭亦文,安朝榕,金国强[6]（2019）在《离散粒子群寻优径向基神经网络模型在脱硝控制中应用》一文中研究指出提出了一种选择性催化还原(SCR)烟气脱硝预测控制方法,该方法采用粒子群寻优的径向基(RBF)神经网络预测SCR脱硝系统入口NOx质量浓度,将整体寻优空间离散化,通过采用节点寻优并结合最速梯度方法重构寻优模型,同时将该RBF神经网络预测结果引入脱硝控制策略,应用到火电机组的喷氨控制。在某350 MW机组实际应用结果表明,该神经网络模型不仅能实现喷氨自动控制,而且能提高喷氨系统控制精度。(本文来源于《热力发电》期刊2019年10期）
张逾傲,胡觉亮[7]（2019）在《随机径向基函数神经网络的收敛性分析》一文中研究指出为了探究随机径向基函数神经网络的函数逼近能力,运用随机权重前馈神经网络收敛性分析的方法对其进行收敛性分析。首先利用广义δ函数的性质构建一个被近似函数的极限积分表达式;其次用蒙特卡罗方法计算这个表达式中的积分,证明随机径向基函数神经网络可以逼近任意连续函数。同时,从理论上分析了随机径向基函数神经网络的收敛特性,发现其收敛误差随着隐藏层神经元节点的增加而逐渐减少,表明其是一个高效的函数逼近器,并且具有处理大数据问题的潜力。(本文来源于《浙江理工大学学报(自然科学版)》期刊2019年06期）
秦勇明,张伟,周荣,洪珊[8]（2019）在《基于径向基函数神经网络的低压配电网叁相不平衡附加线损研究》一文中研究指出针对叁相不平衡引起低压配电线路损耗增加的问题,同时考虑到目前叁相不平衡状态下附加线损的理论计算中,采用假设条件简化算法,计算结果存在误差等问题,根据低压配电网的结构特点,提出基于径向基函数(radial basis function,RBF)神经网络的低压配电网叁相不平衡附加线损分析方法。建立RBF神经网络线损分析模型,映射叁相不平衡度和线损增加率之间的关系,从而定量分析叁相不平衡带来的附加损耗。通过实际配网数据仿真验证,可有效用于低压配网叁相不平衡附加线损的分析与计算。(本文来源于《电气自动化》期刊2019年05期）
严巡,孙敬,刘德华,钟一平[9]（2019）在《基于径向基神经网络的盐水中CO_2溶解度模型》一文中研究指出确定盐水中CO_2的溶解量对CO_2地质封存潜力和外溢风险评估至关重要,经典溶解度模型建立在热力学平衡定律上,具有一定的限制性,而RBF径向基人工神经网络具有很强的泛化能力,能够关联复杂变量之间的映射关系.利用收集到的实验数据建立了RBF神经网络用于预测盐水中CO_2的溶解度,和之前已经建立的BP神经网络模型对比,将实验数据、RBF神经网络模型、BP神经网络预测结果、PR-DUAN模型以及亨利定律计算值做了对比,为确定盐水中CO_2的溶解度提供了一种新的RBF神经网络预测模型.(本文来源于《数学的实践与认识》期刊2019年18期）
穆海芳,韩君,何康,李明[10]（2019）在《模糊径向基神经网络球磨机优化控制》一文中研究指出球磨机是一个非线性、强耦合、时变性的复杂对象,针对其实现自动控制的难点问题,在基于神经网络PID控制的方法基础上,提出模糊径向基神经网络PID的思想用于其生产过程的控制。采用粒子群优化与BP算法优化调整网络权值,模糊径向基神经网络的输出即是PID算法的参数,实现PID算法参数的自适应整定。通过对某球磨机制粉系统的控制仿真表明,该方法控制的响应快、超调量小、抗干扰性强,具有良好的跟踪性和鲁棒性,控制品质优于常规的神经网络PID控制方法。(本文来源于《黑龙江工业学院学报(综合版)》期刊2019年09期）
径向量神经网络论文开题报告
（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：
发动机是汽车动力系统的重要组成部分,其正常运转对驾驶员及乘员安全起着至关重要的作用。基于传统BP神经网络发动机的故障诊断技术具有收敛速度慢、诊断精确度低等劣势,为了提高诊断准确度,本文利用径向基(RBF)神经网络模型对汽车发动机故障位置及类型进行诊断。通过元征X-431汽车故障诊断仪采集发动机在多种不同工况下故障试验的数据并做归一化处理,将试验数据作为神经网络的输入,将发动机正常运转和8种常见故障类型作为输出,建立RBF神经网络模型进行训练。对多种实测的故障数据进行测试和识别,验证所提出的算法的准确性,结果表明此方法对发动机故障诊断的准确率可以达到90%,为汽车发动机故障诊断提供参考。
（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。
径向量神经网络论文参考文献
[1].张凯凯,郭松林,毕晨琳.径向基函数神经网络分类器与CNN在癌细胞图像分类中的应用[J].电子测试.2019
[2].谢春丽,王宇超,张博淋.基于径向基神经网络的发动机故障诊断技术[J].森林工程.2019
[3].崔年生,常跃,董英健,危剑林,夏鹤平.基于进化径向基神经网络方法的爆破参数优化[J].现代矿业.2019
[4].王镇道,郭敬勋,肖旺.基于自适应径向基函数神经网络的光伏MPPT研究[J].湖南大学学报(自然科学版).2019
[5].徐博,李盛新,金坤明,王连钊.基于径向基函数神经网络辅助容积卡尔曼滤波的多自主水下航行器协同定位方法[J].兵工学报.2019
[6].王林,高林,郭亦文,安朝榕,金国强.离散粒子群寻优径向基神经网络模型在脱硝控制中应用[J].热力发电.2019
[7].张逾傲,胡觉亮.随机径向基函数神经网络的收敛性分析[J].浙江理工大学学报(自然科学版).2019
[8].秦勇明,张伟,周荣,洪珊.基于径向基函数神经网络的低压配电网叁相不平衡附加线损研究[J].电气自动化.2019
[9].严巡,孙敬,刘德华,钟一平.基于径向基神经网络的盐水中CO_2溶解度模型[J].数学的实践与认识.2019
[10].穆海芳,韩君,何康,李明.模糊径向基神经网络球磨机优化控制[J].黑龙江工业学院学报(综合版).2019
论文知识图
