人工神经网络在函数逼近中的应用研究

利用径向基函数网络研究了人工神经网络在函数逼近中的应用。分析了网络结构对逼近性能的影响。利用MATLAB神经网络工具箱进行仿真。实验结果表明,神经网络具有很好的函数逼近性能,其中RBF网络的逼近性能更优。     

利用模糊逻辑系统实现函数逼近的仿真研究

针对不确定性非线性系统，基于Wang L X提出的模糊辨识器的设计原理,给出了基于模糊逻辑系统实现函数逼近的方法，该方法通过采用中心平均模糊消除器和隶属函数，实时地调整参数来实现未知函数、尤其是非线性函数的逼近。通过适宜选择初始参数可使模糊逻辑系统在任意精度上逼近真实系统。该文给出了实现函数逼近的具体算法、步骤和程序流程，并利用MATLAB语言编写了实现函数逼近的通用程序，在工程中可利用此通用程序实现对未知作用函数的近似估算，具有一定的工程实际使用价值。实例仿真取得了良好的效果。     

多项式函数的神经网络逼近: 网络的构造与逼近算法

该文作者先用构造性方法证明：对于给定的r阶多项式函数，可以具体地构造出一个三层前向神经网络，以任意精度逼近该多项式，所构造的网络的隐层节点个数仅与多项式的阶数r和网络的输入个数s有关，并能准确地用r表达；然后，给出一个实现这一逼近的具体算法；最后，给出两个数值算例进一步验证所得的理论结果．该文所获得的结果对前向神经网络逼近多项式函数类的网络具体构造以及实现逼近的方法等问题具有较为重要的指导意义．     

单体模糊神经网络的函数逼近能力

研究了单体模糊神经网络的函数逼近能力,由于在ＭＦＮＮｓ中神经元的基本运算由原来的积－和运算改为求极小－极大运算,网络的函数逼近性质发生了很大的改变。给出了单调传递函数的ＭＦＮＮｓ按序单调特性,连续映射定理以及非函数一致逼近定理,从而说明ＭＦＮＮｓ虽然能够保持连续映射,但不如原神经网络具有函数逼近能力。     

遗传前馈神经网络在函数逼近中的应用

人工神经网络具有高计算能力、泛化能力和非线性映射等特点,被成功应用于众多领域,但缺乏用于确定其网络拓扑结构、激活函数和训练方法的规则。该文提出利用遗传算法优化前馈神经网络的方法,将网络结构、激活函数和训练方法等编码作为个体,发现最优或次优解,针对特定问题设计较理想的前馈神经网络。介绍遗传算法的具体步骤,对非线性函数逼近进行实验,结果表明优化后前馈神经网络的性能优于由经验确定的前馈神经网络,验证了本文方法的有效性。     

基于Matlab遗传算法和神经网络结合的函数逼近实现和测试

为了开发对科研实验数据的非线性关系精确建模工具,该文讨论了将遗传算法GA和神经网络算法结合,并使用Matlab软件实现计算过程。针对一个非线性测试函数逼近问题,设计了Matlab软件的GA算法的实现过程,并实验测试分析了GADS工具箱算子选择和参数设置。比较了单纯GA方法和GA结合Levenberg-Marquardt BP方法局部寻优的效果。结果表明实验中设计的基于Matlab的GA神经网络计算方案是一种有效的高精度模型,算法设计实现过程有指导意义,能为各领域提供有力复杂非线性建模工具。     

多维函数的进化逼近

提出一种多维函数的通用进化逼近方法,通过构造一类结合采样九样条函数优点的基本函数优点的基本函数族,提出一种单调函数逼近方法,并借助采样函数的有界变差特点,将该方法推广到一般函数情形,这两种函数的逼近都可通过遗传算法完成,该方法的优点在于可以简单一致地推广到更高维函数的逼近,并使逼近复杂度与维数成线性关系,降低学习算法难度,试验表明,方法是有效的,基于文中单调函数逼近技术提出的一种新的决策策略学习方     

基于逼近算法的PDF建模及其仿真

如何对整理后的网络流量数据建立合理的数学模型。对网络仿真结果的可靠性非常重要。该文就采集到的服务器响应时间分布的数据,建立了时间概率分布函数的数学模型。并就新模型做了网络仿真。     

基于FPGA的电子鼻中Sigmoid函数分区间线性逼近实现

对表驱动线性逼近方法实现的sigmoid函数进行分析，在Matlab中对其仿真，得到误差曲线。该误差曲线在不同区间内误差相差较大，由此提出分区间线性逼近法实现sigmoid函数。不同区间采用不同的插值间隔，以尽量减少ROM资源的使用。经Matlab仿真，得到改进后的误差曲线，其最大误差未增大。最后在Quartus II中建立工程，调用Modlesim进行RTL仿真，证明该方法可行。     

基于模糊RBF神经网络的函数逼近

提出了一种模糊RBF网络,将模糊逻辑的知识表达以及推理能力和RBF网络的快速学习和泛化能力结合起来,网络结构参数可按实际问题调整,仿真表明网络具有较快的学习速度和较高的函数逼近精度。     

人工神经网络智能气体传感器

介绍一种陶瓷金属结构的智能气体微传感器，它利用循环伏安法测量各种气体在传感器中的电压－电流特征，利用人工神经网络识别几种气体。     

基于粗糙集的神经网络函数逼近理论

首先给出了神经网络函数在粗糙集意义下的下、上近似函数 ,从函数逼近的观点出发分析 ,得出对任一神经网络函数在粗糙集意义下 ,都可根据学习样本点维数找到两个关联的离散函数来逼近它 ,并且证明了在粗糙集意义下逼近的过程是可行的。该结论有助于理解粗糙集函数与神经网络函数之间的联系 ,为今后进一步研究在粗糙集意义下神经网络函数整体逼近理论及学习算法的描述奠定了基础。     

一种基于进化泛函网络的建模与函数逼近方法

提出了一种进化泛函网络的建模与函数逼近方法,该方法把泛函网络建模过程转变为结构和泛函参数的优化搜索过程,利用遗传规划设计泛函网络神经元函数,对网络结构和参数共存且相互影响的复杂解空间进行全局最优搜索,实现泛函网络结构和参数的共同学习,并用混合基函数实现目标函数的逼近,改变了人们通常用同类型基函数来实现目标函数逼近的方式.数值仿真结果表明,提出的网络建模与逼近方法具有较高的逼近精度.     

多元多项式函数的三层前向神经网络逼近方法

该文首先用构造性方法证明:对任意r阶多元多项式,存在确定权值和确定隐元个数的三层前向神经网络.它能以任意精度逼近该多项式.其中权值由所给多元多项式的系数和激活函数确定,而隐元个数由r与输入变量维数确定.作者给出算法和算例,说明基于文中所构造的神经网络可非常高效地逼近多元多项式函数.具体化到一元多项式的情形,文中结果比曹飞龙等所提出的网络和算法更为简单、高效;所获结果对前向神经网络逼近多元多项式函数类的网络构造以及逼近等具有重要的理论与应用意义,为神经网络逼近任意函数的网络构造的理论与方法提供了一条途径.     

人工免疫网络算法与RBF网结合的应用研究

人工免疫网络是一种基于生物免疫系统启示的智能信息处理模型,得到广泛的研究和应用。在改进现有的人工免疫网络算法的基础上,将其与RBF网络结合构成基于人工免疫网络的RBF网并应用于问题求解。实验表明,改进后的人工免疫网络算法具有减少数据冗余、平滑噪声、提取特征数据从而提高数据质量的功能,在与RBF网结合的应用中可以有效提高问题求解的速度和性能。