导读:本文包含了径向基函数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,函数,不平衡,永磁,负荷,观测器,连续函数。
径向基函数网络论文文献综述
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）
王镇道,郭敬勋,肖旺[2]（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[3]（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[4]（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[5]（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）
廖大强[6]（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）
翟晶晶,吴晓蓓,王力立[7]（2019）在《基于径向基函数神经网络的综合能源系统多元负荷短期预测》一文中研究指出准确的能源负荷预测对综合能源系统的经济调度和优化运行有着重要的影响。提出一种基于径向基函数神经网络(radial basis function neural network,RBF-NN)模型的综合能源系统电、气、热多元负荷短期预测方法。首先利用Copula理论对电、气、热负荷进行相关性分析,建立了电、气、热负荷和温度的时间序列;接着设计RBF-NN网络模型结构,采用Kmeans聚类算法对隐含层节点进行优化;最后通过国内某园区综合能源系统的实际数据对模型进行验证。通过3个案例结果的比较,验证了文中提出的方法可以有效地考虑电、气、热负荷之间的耦合关系,具有较高的预测精度。(本文来源于《电力需求侧管理》期刊2019年04期）
陈李济,应保胜,马强,伍娇[8]（2019）在《基于模糊径向基函数神经网络的永磁同步电机滑模观测器设计》一文中研究指出针对传统滑模控制易导致系统出现抖振的问题,提出了一种模糊径向基函数(RBF)神经网络滑模观测器来实现永磁同步电机(PMSM)无传感器控制。为了减小观测器系统抖振,利用模糊RBF神经网络算法动态调整滑模增益,并采用李雅普诺夫稳定性定理证明了该模糊神经网络观测器的稳定性;利用锁相环(PLL)技术提高估算精度,并削弱计算噪声。基于MATLAB/Simulink软件平台搭建了仿真模型,将模糊RBF神经网络滑模观测器系统与传统滑模观测系统进行对比。结果表明,与传统的滑模观测器相比,新型滑模观测器能够快速、有效地跟踪转子位置,精确估算出转子速度,同时具有较好的动态特性。(本文来源于《电机与控制应用》期刊2019年06期）
曾祥志,许琴,刘志宽,管立新[9]（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）
黄睿,郭谋发,陈永往[10]（2019）在《基于径向基函数神经网络的配电网参数估计》一文中研究指出配电网的线路参数会受温度、周围环境、集肤效应等因素的影响而发生变化,导致在进行配电网常规分析应用时降低计算结果的精度。本文提出一种基于径向基函数神经网络的叁相不平衡配电网线路参数估计方法,通过对配电网叁相不平衡线路等效模型的数学推导建立参数估计模型,利用径向基函数神经网络去拟合线路两端支路功率、节点电压和线路参数之间的非线性关系。对于训练完成的径向基函数神经网络,只需要知道线路两端测量值便可以获得准确的线路参数,可以有效地解决线路参数,估计数学模型中的病态矩阵问题。(本文来源于《电气技术》期刊2019年04期）
径向基函数网络论文开题报告
（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：
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.
（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].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
[3].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
[4].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
[5].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
[6].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
[7].翟晶晶,吴晓蓓,王力立.基于径向基函数神经网络的综合能源系统多元负荷短期预测[J].电力需求侧管理.2019
[8].陈李济,应保胜,马强,伍娇.基于模糊径向基函数神经网络的永磁同步电机滑模观测器设计[J].电机与控制应用.2019
[9].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
[10].黄睿,郭谋发,陈永往.基于径向基函数神经网络的配电网参数估计[J].电气技术.2019
论文知识图
