导读:本文包含了径向基函数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,函数,测温,算法,在线,连续函数,卡尔。
径向基函数论文文献综述
侯蓉[1]（2019）在《基于径向基函数的在线学习算法在淘宝商铺营销预测中的应用》一文中研究指出文章介绍了径向基函数(RBF)的原理、学习算法及其在电子商务领域中的应用。文章研究的增量RBF模型及窗口式在线RBF模型都具有较好的泛化性能,以淘宝网的"淘宝眼镜销量"作为实例,将增量式RBF学习算法以及在线式RBF学习算法模型应用到淘宝网的眼镜销量的预测中,实验结果证明,基于径向基函数的在线RBF学习算法模型可为淘宝网眼镜销量预测提供参考依据。(本文来源于《中国集体经济》期刊2019年36期）
张凯凯,郭松林,毕晨琳[2]（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）
汤凌志,阳小华,刘紫静,尹陈艳[3]（2019）在《基于径向基函数插值法的辐射场重构研究初探》一文中研究指出目前,我国有许多早期核设施面临退役,辐射场的重构技术研究对于辐射防护具有重要意义。本文结合我国早期核设施退役工程的特点,介绍和探讨了基于径向基函数插值方法对退役核设施进行辐射场重构的研究现状和展望。(本文来源于《价值工程》期刊2019年32期）
靳晨晖,王刚,陈鑫,周豪[4]（2019）在《非结构嵌套网格中的一种改进型径向基函数插值方法》一文中研究指出非结构混合网格拓扑关系相对复杂,在嵌套边界区域进行流场信息插值传递容易有精度的损失。利用已知的解析函数作为插值样本,对线性插值(LINE)、距离倒数权重插值(WA)、逆二次径向基函数插值(IQ)、Wendland’s C2径向基函数插值四种方法的精度进行对比,筛选出精度较高的C2径向基函数;提出一种改进的C2径向基函数插值方法,通过调整径向基函数的作用半径来控制插值矩阵条件数,进而消除使用径向基函数插值在嵌套边界区域出现的数值奇性问题;选用MD30P/30N多段翼与叁维AEDC典型外挂物分离模型对该插值方法进行验证。结果表明:改进后的径向基函数插值方法能够有效消除嵌套边界区域数值奇性,同时计算收敛速率更快,插值精度更高。(本文来源于《航空工程进展》期刊2019年05期）
王镇道,郭敬勋,肖旺[5]（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[6]（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）
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）
董晨龙,周新志,白兴都,张若彬[9]（2019）在《基于Reflected-Sigmoid径向基函数插值的温度场重建算法》一文中研究指出声学法测温在特殊的温度场环境中有良好的应用,主要是利用有限的超声波传播路径上的飞行时间重构出连续分布的温度场.现有的温度场重建算法中最小二乘法是最常用的方法,但其重建后的温度场会出现边缘信息缺失的现象.针对这一问题,提出在最小二乘法确定温度矩阵的基础上,结合Reflected-Sigmoid函数进行插值,实现了二维平面温度场的无缺失重建.通过两种典型的单峰温度场模型的重建结果及误差分析表明,在补全温度场边缘的条件下,单峰对称温度场的均方根百分误差在1.6%,单峰偏斜温度场的均方根百分误差在3.5%,取得了很好的重建效果.(本文来源于《四川大学学报(自然科学版)》期刊2019年05期）
廖大强[10]（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）
径向基函数论文开题报告
（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：
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。
（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。
径向基函数论文参考文献
[1].侯蓉.基于径向基函数的在线学习算法在淘宝商铺营销预测中的应用[J].中国集体经济.2019
[2].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
[3].汤凌志,阳小华,刘紫静,尹陈艳.基于径向基函数插值法的辐射场重构研究初探[J].价值工程.2019
[4].靳晨晖,王刚,陈鑫,周豪.非结构嵌套网格中的一种改进型径向基函数插值方法[J].航空工程进展.2019
[5].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
[6].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
[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].董晨龙,周新志,白兴都,张若彬.基于Reflected-Sigmoid径向基函数插值的温度场重建算法[J].四川大学学报(自然科学版).2019
[10].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
论文知识图
