基于免疫聚类的RBF神经网络研究

通过分析以往人工免疫聚类算法的不足之处,提出了一种改进的基于人工免疫聚类与RBF神经网络的混合算法.该算法由两个阶段组成:第一阶段采用人工免疫机制来确定RBF网络隐层的聚类中心的位置和数量;第二阶段建立RBF神经网络,对输入样本数据进行学习、训练,求输出层的权值矩阵W.最后以肝病病证诊断进行仿真,建立基于免疫聚类的RBF网络模型.实验结果表明:该算法用于中医病证诊断的研究是可行的和有效的.     

基于免疫RBF神经网络的逆运动学求解

求解机械臂逆运动学问题可以采用神经网络来建立逆运动学模型,通过遗传算法或BP算法训练神经网络的权值从而得到问题的解,在求解精度和收敛速度上有待进一步改进。采用人工免疫原理对RBF网络训练数据集的泛化能力在线调整隐层结构,生成RBF网络隐层。当网络结构确定时,采用递推最小二乘法确定网络连接权值。由此对神经网络的网络结构和连接权进行自适应调整和学习。通过仿真可以看出,用免疫原理训练的神经网络收敛速度快,泛化能力强,可大幅提高机械臂逆运动学求解精度。     

面向多峰值函数优化的人工免疫网络算法特性分析

对用于多峰值函数的人工免疫网络算法进行了改进并分析了其特性.首先在给出基于人工免疫网络的多峰值函数优化算法及其流程的基础上,提出了一种克服早熟现象的改进方案;然后通过与克隆选择算法的数值对比实验,对改进后算法的计算结果加以分析,验证了该算法用于求解多峰值函数优化的有效性;最后重点讨论了算法主要参数对其求解性能的影响,得到了若干参考性结论,可为人工免疫网络计算提供指导.     

基于人工免疫原理的RBF网络预测模型

提出一个基于人工免疫原理的RBF网络预测模型AIP-RBF,该模型使用新的克隆选择算法和免疫抑制策略,通过隐层可行解的抽取算法EAHLFS,能在聚类数目未知的情况下,生成RBF网络隐层。给出了改进的隐层节点重要度(SHLN)概念,用于指导RBF网络第2阶段的训练过程。与传统的基于聚类算法的预测模型比较,AIP-RBF具有更快的收敛速度和更高的预测精度,在实际盾构施工地面沉降预测中得到了验证。     

一种改进的多目标粒子群优化算法及其应用

针对多目标粒子群优化算法在求解约束优化问题时存在难以兼顾收敛性能和求解质量这一问题,提出一种基于免疫网络的改进多目标粒子群优化算法.该算法通过免疫网络互通种群最优信息达到粒子群算法与人工免疫网络算法的协同搜索,同时给出了速度迁移策略、自适应方差变异策略和基于聚类的免疫网络策略.最后将所提出的方法应用于求解电弧炉供电优化模型,达到了减少电量消耗、缩短冶炼时间、延长炉衬使用寿命的目的,同时表明了该算法的有效性.     

基于免疫聚类的RBF神经网络在中医舌诊诊断中的应用

研究基于人工免疫聚类的RBF(Radial-Basis Function)神经网络应用于中医舌诊诊断,构建一个中医舌诊智能诊断的神经网络模型,旨在提高模型的诊断能力和收敛速度.对输入样本集进行数据归一化处理,采用改进的基于免疫聚类的RBF算法进行学习、训练.以肝病病证诊断进行仿真,结果表明:该中医舌诊智能诊断系统具有诊断能力强、收敛速度快,泛化能力强等特点.因此,基于人工免疫聚类的RBF神经网络应用于中医舌诊诊断的研究是可行的,有效的.     

改进的免疫算法求解TSP问题

针对TSP问题,提出基于人工免疫理论的提取免疫疫苗和注射疫苗的新算法对免疫算法进行适当的改进,给出了新的疫苗结构,以提高算法求解问题的迭代速度。实验结果表明,改进的免疫算法较原免疫算法在求解TSP问题时具有更快的收敛速度。     

自适应人工免疫网络在协同过滤推荐中的应用

为解决协同过滤技术中存在的稀疏性、可扩展性问题,提出了一种基于自适应人工免疫网络的协同过滤算法.该算法将协同过滤推荐技术与自适应人工免疫网络相结合,利用人工免疫网络自身的克隆变异机制产生隐式评价来降低数据稀疏性,利用克隆抑制、网络抑制机制减少数据维度来提高可扩展性.实验结果表明,该算法提高了推荐精度,具有一定的实际意义.     

免疫粒子群优化RBF神经网络的变压器故障诊断

电力变压器运行的可靠性直接关系到电力系统的安全性及供电的可靠性。为提高变压器内部绝缘故障诊断的准确率,通过分析变压器油中溶解气体组分含量和变压器内部绝缘故障,提出了一种免疫粒子群优化RBF神经网络的变压器故障诊断算法。介绍了基于人工免疫网络算法确定RBF网络隐层中心数目和初始位置的方法,以及基于粒子群算法优化RBF网络权重的方法。仿真结果表明,该算法能有效诊断变压器故障类型,提高故障诊断的准确率。     

基于aiNet聚类和免疫遗传算法的RBF网络

本文通过aiNet人工免疫网络聚类算法对输入数据集合自适应地确定RBF神经网络隐层中心的数量和初始位置,通过自体免疫遗传算法来训练RBF网络,获得全局最优。最后将本文方法应用到隧洞围岩分类中进行仿真,仿真结果表明该RBF神经网络不仅计算量小,而且精度高,具有很好的泛化能力。     

改进人工蜂群算法优化RBF神经网络的短时交通流预测

为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。     

Melt index prediction by RBF neural network optimized with an MPSO-SA hybrid algorithm

Melt index (MI) is considered as an important quality variable which determines the product specifications, so reliable estimation of MI is crucial in the quality control of practical polypropylene (PP) polymerization processes. A novel MPSO-SA-RNN (modified PSO-SA algorithm and RBF neural network) MI prediction model based on radial basis function (RBF) neural network and artificial intelligent algorithms particle swarm optimization (PSO), and simulated annealing (SA) is presented, where the traditional PSO is modified first and then combined with SA to overcome the inherent defects in PSO and SA, and to achieve better optimization performance. The proposed optimization algorithm, MPSO-SA algorithm, is then used to optimize the parameters of the RBF neural network. Then the network is employed to build the MI prediction model, and the MPSO-SA-RNN model is thereby developed. Based on the data from a real plant, the approach presented above is evaluated and the research results confirm the validity of the proposed model, as well as the advantage of MPSO-SA algorithm to the traditional PSO and SA algorithms in handling optimization problems.     

一种基于人工免疫原理的最优模糊神经网络控制器

提出了一种基于人工免疫原理的最优RBF模糊神经网络控制器设计方案．首先给出了控制器结构，其次将免疫进化算法用于控制器参数的优化，设计了一种满足二次型性能指标的最优RBF模糊神经网络控制器．将该控制器用于控制实际倒立摆系统，并采用状态变量合成方法以大大减少模糊规则的数目，实验结果验证了该控制器的有效性．     

一种改进的人工免疫网络：免疫特征映射网

针对目前人工免疫系统研究领域存在的算法模型不统一、算法功能不明确以及算法应用领域模糊的问题,从生物免疫系统的功能机理出发,在总结和分析现有研究成果的基础上,明确应用方向,确定算法模型,提出一种用于特征数据提取的人工免疫网络算法——免疫特征映射网。在对算法功能和性能定性分析的基础上,通过仿真实验验证了所提算法在特征数据提取方面的可行性和有效性。     

基于径向基函数神经网络的网络流量识别模型

提出了一种基于径向基函数神经网络的网络流量识别方法。根据实际网络中的流量数据,建立了一个基于RBF神经网络的流量识别模型。先介绍了RBF神经网络的结构设计及学习算法,针对RBF神经网络在隐节点过多的情况下算法过于复杂的缺点,采用了优化的算法计算隐含层节点。仿真实验证明,该模型具有较好的准确率、低复杂度、高识别效果和良好的自适应性。     

基于改进人工鱼群算法与RBF神经网络的股票价格预测

股票价格受多种因素影响,这对股票价格预测造成了巨大挑战。近年来,机器学习方法被广泛用于股票价格预测的研究中,然而,现有方法存在相对误差较大、时间复杂度高等缺点。对此,提出基于引力搜索的改进人工鱼群算法AFSA_GS。该算法将引力搜索中计算质量和加速度的策略分别用于调节人工鱼的视野和步长,从而提高了人工鱼群算法在优化过程中的自适应能力;AFSA_GS算法还优化了RBF神经网络的相关参数,并使用优化后的网络预测股票价格。在多家上市公司股票数据上进行了实验,实验结果表明,相对于传统的优化算法,采用AFSA_GS算法优化的RBF神经网络,可以获得更好的股票预测性能。     

一种人工免疫与RBF神经网络结合的混合算法的应用

提出了一种人工免疫学习算法,该算法具有识别多样性、自我调节功能等特点。将该算法用于RBF神经网络隐层中心点数量和位置的调整,网络的输入数据作为抗原,抗体(RBF中心)作为抗原的内影像,输出采用最小二乘法。仿真结果表明,该混合算法具有较强的泛化能力,而且精度高,效果好。     

基于免疫原理的RBF网络Carrousel氧化沟系统预报

为提高Carrousel氧化沟系统水质模拟的精度,利用免疫算法结合RBF神经网络进行建模,并加入k-means聚类对样本进行预处理。以某污水处理中心两年生产数据进行实验,测得出水TN的预报误差0.195 6,出水TP的预报误差0.145 6,较仅用RBF网络均有很大提高,证明该方法可以应用于Carrousel氧化沟系统的在线实时预测。