搜索结果: 1-15 共查到“管理学 RBF”相关记录18条 . 查询时间(0.062 秒)
基于ART 的RBF 网络结构设计
自适应共振理论网络 径向基函数神经网络 结构设计
2014/10/13
针对径向基函数(RBF) 网络隐层结构难以确定的问题, 基于自适应共振理论(ART) 网络良好的在线分类特性, 提出一种RBF 网络结构设计算法. 该算法将ART 网络的聚类特性用于RBF 网络结构设计中, 通过对输入向量与已存模式的相似度比较将输入向量进行分类, 确定隐含层节点个数和初始参数, 使网络具有精简的结构. 对典型非线性函数逼近的仿真结果表明, 所提出的结构具有快速的学习能力和良好的逼...
非线性系统RBF神经网络多步预测控制
预测控制 RBF 神经网络 L-M 算法 滚动优化
2014/7/21
针对较强非线性的控制问题, 提出一种以RBF 神经网络为模型的多步预测控制方法. 构建多步预测模型, 并给出预测误差关于控制序列的雅可比矩阵的计算方法. 利用Levenberg-Marquardt(L-M) 算法设计滚动优化策略, 过误差修正参考输入的方法实现了反馈校正, 证明了控制系统的稳定性. 仿真结果表明所提出的控制方法效果较好.
基于混合进化算法的RBF神经网络时间序列预测
进化算法 梯度下降法 非线性时间序列预测
2014/10/9
提出一种基于梯度下降法的混合进化算法, 用于确定径向基函数(RBF) 神经网络结构和优化其参数. 在进化算法中嵌入梯度下降算子, 对每一代中若干个精英个体以一定概率利用梯度下降法进行搜索, 以加强算法的局部搜索能力. 利用混合进化算法对RBF 网络结构和参数同时进行训练和优化, 对网络节点数和参数进行混合编码. 仿真实验结果表明该RBF 网络具有较强的泛化能力.
基于在线减法聚类的RBF神经网络结构设计
RBF神经网络 结构设计 在线减法聚类
2014/10/9
以设计最小径向基函数(RBF) 神经网络结构为着眼点, 提出一种在线RBF 网络结构设计算法. 该算法将在线减法聚类能实时跟踪工况的特性与RBF 网络参数学习过程相结合, 使得网络既能在线适应实时对象的变化又能维持紧凑的结构, 有效地解决了RBF 神经网络结构自组织问题. 该算法只调整欧氏距离距实时工况最近的核函数,大大提高了网络的学习速度. 通过对典型非线性函数逼近和混沌时间序列预测的仿真, 表...
基于RBF-DEMATEL的交通运输低碳化能力影响因素研究
RBF-DEMATEL 交通运输低碳化能力 影响因素
2013/10/24
交通运输低碳化能力影响因素众多且相互关联,如何识别和区分其影响因素是学术界研究的焦点。针对传统决策试验与评价实验室方法(DEMATEL)的缺点进行了改进,提出了适合于交通运输低碳化能力影响因素识别的RBF-DEMATEL方法,利用RBF神经网络计算目标指标和影响因素指标之间的权值来得到直接关联矩阵,然后利用传统DEMATEL方法分析交通运输低碳化能力的影响因素。本文利用RBF-DEMATEL进行了...
基于可拓理论的RBF神经网络研究及其应用
径向基函数神经网络 可拓理论 回归 建模
2014/9/26
针对径向基函数(RBF) 神经网络构造时其结构和参数难以确定的问题, 结合可拓理论对输入样本和基函数的中心向量建立物元模型, 并借鉴第2 类型可拓神经网络(ENN2) 的聚类思想, 根据样本分布, 采用可拓分析及可拓变换动态调整隐节点数目和基函数中心, 从而提出基于可拓理论的RBF (ERBF) 神经网络. 同时, 通过UCI 标准数据集进行了测试, 并通过应用实例进行了验证, 结果表明, ERB...
RBF神经网络在基于知识的供应链合作伙伴选择中的应用
供应链 知识管理 合作伙伴选择 RBF网络
2011/1/6
借鉴人工神经网络理论,把RBF神经网络模型应用到基于知识的供应链合作伙伴评价与选择的研究中。首先结合基于知识的供应链发展现状,设计了合作伙伴评价指标体系,然后简要介绍了RBF神经网络,最后通过实例介绍了对合作伙伴进行评价与选择的方法,并与传统的权重评分法进行了比较。
RBF神经网络在基于知识的供应链合作伙伴选择中的应用
供应链 知识管理 合作伙伴选择 RBF网络
2012/9/24
借鉴人工神经网络理论,把RBF神经网络模型应用到基于知识的供应链合作伙伴评价与选择的研究中。首先结合基于知识的供应链发展现状,设计了合作伙伴评价指标体系,然后简要介绍了RBF神经网络,最后通过实例介绍了对合作伙伴进行评价与选择的方法,并与传统的权重评分法进行了比较。
RBF网络的鲁棒最小二乘学习算法
径向基函数神经网络学习 鲁棒最小二乘 函数逼近
2014/9/15
首先, 针对径向基函数(RBF)神经网络参数学习中最小二乘法(LS)难以获得较高鲁棒性的问题, 假定训练数据扰动上界可知, 并基于鲁棒最小二乘原理, 提出一种RBF网的最优鲁棒参数学习算法; 然后分析指出, 扰动上界可依据训练数据集自适应学习估计; 最后通过实验分析结果表明了所提算法具有较高的参数鲁棒学习能力. 与LS相似, 新算法无额外参数, 易于实际应用.
一种基于PSO的RBF-SVM模型优化新方法
模型优化 支持向量机 粒子群优化
2014/9/15
针对使用径向基核函数的支持向量机，采用粒子群优化方法实现模型优化。基于训练集中样本之间的最近平均距离和最远平均距离，给出参数 的取值空间，从而减小了超参数搜索的范围，并采用对数刻度进一步提高粒子群优化方法的参数搜索效率。与遗传算法和网格法的对比实验表明新方法收敛速度更快，得出的超参数更优。
利用RBF网络逼近强化学习中的Q值函数，实现连续状态和连续动作的Q学习。RBF网络的输入为状态动作对，输出是状态动作对所对应的Q值。网络输入中的状态由系统的状态转移特性来决定，而网络输入中的动作是由网络推荐的贪婪动作与服从高斯分布的噪声干扰动作两个部分叠加而成。贪婪动作是通过优化网络输出的Q值函数获得。网络的结构和参数的学习利用RNA算法和梯度下降法进行自适应调整。倒立摆平衡控制的仿真试验结果验证...
基于结构可变的RBF神经网络的时间序列预测
预测 时间序列 径向基函数神经网络 序列蒙特卡罗方法
2013/10/23
基于神经网络的时间序列预测方法,需要正确确定网络结构,它关系到所建模型的合理性以及预测的准确性。目前确定网络结构的绝大多数方法,其网络结构一经训练确定便保持不变。然而现实中许多时间序列呈现非平稳性,其结构经常发生变化,这就要求网络结构能够动态可调,因此本文提出结构可变的径向基函数(RBF)神经网络预测模型。并采用序列蒙特卡罗(SMC)方法实现基于结构可变RBF网络的时间序列在线预测;最后采用CRU...
基于RBF神经网络的区域科技创新能力的综合评价方法
区域创新 科技创新能力评价 RBP神经网络
2009/6/16
在建立区域科技创新能力综合评价指标体系的基础上,提出了一种基于RBF神经网络的科技创新能力综合评价方法,能够有效避免评价过程中的人为失误,最后,通过试验得出了令人满意的结果。
RBF神经网络参数估计的两种混合优化算法
ＲＢＦ神经网络 参数估计 混合优化方法
2014/8/29
基于全局搜索的进化算法和一种局部搜索算法———结构化的非线性参数优化方法（ＳＮＰＯＭ），提出两种混合的优化算法来估计ＲＢＦ神经网络中的参数：１）初始化一定数目的种群作为ＳＮＰＯＭ 的初始值得到其适应值，通过选择、交叉和替换策略来更新种群；２）采用进化算法运行一定的代数，从最终群体中选取一些个体进一步用ＳＮＰＯＭ来优化．这两种混合优化算法的本质是用进化算法为ＳＮＰＯＭ 搜寻最优初始值，以得到全局最优...
基于全调节RBF神经网络的远程网络控制器设计
网络控制系统 RBF神经网络 Lyapunov稳定性 参数不确定性
2014/7/22
针对一类具有参数不确定项的非线性网络控制系统,提出一种基于全调节RBF神经网络的反馈线性化与远程状态反馈控制方法相结合的控制策略.该控制策略首先通过设计全调节RBF神经网络的权值w,中心值φ和影响范围σ的调节律,在线补偿系统的非线性及参数不确定项;然后利用状态反馈控制解决时延条件下的网络控制问题.通过Lyapunov稳定性理论给出了系统的稳定性定理,并通过仿真实验验证了该方法的有效性.