基于RBF神经网络的加味生化汤药效模拟研究

目的 以加味生化汤的药效模拟为例,建立中药复方的RBF神经网络药效学预测模型。方法 基于正交设计和RBF神经网络,提出了中药复方药效模型,以加味生化汤的实验数据对模型精度进行了验证和评价。结果 自检验和留一法检验的线性相关系数分别为0.944、0.846。结论 所建模型可以对复方不同组合进行药效模拟,可为进一步实验验证提供参考,在寻找中药复方有效组分,并探讨以有效组分为处方进行中药复方二次开发模式方面具有良好的应用前景。     

基于伪阻抗学习的神经网络状态估计方法

针对反向传播算法收敛速度慢，且常收敛于局部极小值的缺陷，讨论了伪阻抗学习算法；并利用神经网络的学习能力和非线性特性，讨论了非线性动态系统的状态估计方法。     

一种基于RBF网络的参数自调整REM算法

针对传统的随机指数标记（Random Exponential Marking,REM）算法存在参数难以调整的缺陷,提出了一种改进型主动队列管理算法—基于RBF网络的参数自调整REM算法。利用RBF神经网络动态地对算法参数进行调整,使其能够适应不断变化的网络环境。该算法将REM算法在一定条件下近似为比例积分控制,使REM算法参数调节近似等效于比例积分系数的调节,简化了参数调节,提高了算法的实时性。仿真实验表明：该算法优于传统的REM算法,具有良好的鲁棒性及较快的调节速率。     

RBF神经网络在股市趋势预测中的应用

将RBF神经网络应用在股市趋势预测中，RBF网络中心点的选取采用最近邻聚类学习算法，以上证指数和基金裕阳为对象进行建模与预测，结果表明，此种网络具有较好的学习和泛化能力，在股市趋势预测中取得了较好的效果。     

一种改进的SOM神经网络在污水处理故障诊断中的应用

自组织映射（SOM）神经网络初始权值的选取对神经网络的性能有重要的影响。采用改进的帝国竞争算法（ⅡCA）优化局部权重失真指数（LWDI）寻优SOM神经网络的初始权值;利用改进后的SOM神经网络（ⅡCA-SOM）对污水处理过程数据进行聚类和故障诊断。实验结果表明,与传统的SOM算法相比,ⅡCA-SOM算法取得了更好的聚类效果,且故障诊断的误诊率更低。     

改进的RBF神经网络模式分类方法理论研究

研究了前向两层径基函数（RBF）网络和前向两层线性基本函数（LBF0网络的发类机理及其结构与初始参数优化确定方法，提出了Guassian核函数的中心和宽度应通过学习自动确定，在学习过程中根据错分样本自身的类别和被错分入的类别自动生成新的核函数，并根据新增核函数对测试集的作用自动删除多余核函数的观点，从理论上阐明了采用Sigmoid活化函数的两层LBF网络的分类阈值为0．5，进而提出了由两层RBF网络和两层LBF网络组成的前向RBF神经网络－－IRBF神经网络。     

改进的RBF神经网络模式分类方法应用研究

经典的Bayes分类方法一般需要事先对样本的分布特性作出假设,当假设模型与样本实际分布情况不相符时,就难以得到较高的分类精度。当处理同类别多区域样本分布问题,例如变标签问题时,距离判别、Fisher判别、k－近邻分类、分段线性分类等统计分析方法遇到困难。双螺旋问题不仅使统计方法受到挑战,更使人们对一般前向多层神经网络的能力提出疑问。本文提出了改进的RBF神经网络结构、核函数个数、位置与宽度优化算法。该算法的计算复杂性与一般前向三层LBF网络所用的误差反传算大致相同。核函数生成既考虑了训练集样本自身的类别因素,又考虑了错分样本与邻近类别的关系。一个核函数的最终保留与否根据其对提高测试集分类正确率的贡献大小来决定。同时实验验证了两层LBF网络对提高改进的RBF网络分类正确率的极端重要性。大量应用实例表明,与前向三层RBF网络和前向三层LBF网络相比,该IRBF网络具有收敛速度快、分类精度高、易于得到最小结构、在学习过程中不易陷入局部极小点等优点,有利于实现实时分析。     

基于RBF神经网络的医院科技影响力评价模型构建

在文献调研的基础上基于德尔菲法建立医院科技影响力评价指标体系,根据专家经验和知识对60家医院的科技影响力进行排名。采用径向基函数神经网络方法,将50个医院作为训练样本,10个医院作为测试样本,构建出一套基于径向基函数的医院科技影响力的评价模型,实验结果表明该评价模型较好地拟合了专家的思维,可以使医院科技影响力评价真实有效。     

RBF神经网络建立真菌发酵过程模型的研究

采用结构简单的ＲＢＦ神经网络建立真菌发酵过程模型，模拟结果精确，网络训练误差收敛速度也很快。     

一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法，采用模糊C均值聚类(FCM)算法划分输入输出数据空间，最后将该算法应用于丙烯腈收率的预报，仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。     

PCA在过程故障检测与诊断中的应用

讨论了基于主无分析（PCA）的过程故障检测与诊断的原理,运用T^2统计、Q统计方法,结合贡献图对一典型过程进行了仿真分析,结果表明PCA方法可对简单传感器故障进行检测与诊断,并指出了该方法中的不足,提出了将PCA方法同基于过程动态模型的故障诊断方法相结合的研究思路。     

基于集成模式的多参数综合智能故障诊断

基于产生式规则，事例，模糊诊断，神经网络集成模式，提出了多参数综合智能故障诊断方法，分析了多种诊断方法集成的必要性，以及该方法的知识表示，智能推理诊断及知识学习，应用结果表明这一多参数综合智能故障诊断的方法在实际工程中是行之有效的。     

裂解炉传感器故障的检测和诊断

研究了综合运用非线性PLS和模糊逻辑的故障检测与诊断方法，并在此基础上，利用大型工业裂解炉现场数据构造了裂解炉传感器集成故障检测系统。应用结果表明，以此方法构成的传感器故障诊断系统可信度较高，且具有良好的实用性和鲁棒性。     

一种基于进化神经网络的入侵检测实验系统

参照MIT Lincoln实验室的入侵检测实验方案，建立了一个基于Linux主机的入侵检测实验环境，提出了相应的入侵特征选择方案，并应用进化神经网络检测入侵，实现了对多种攻击的实时特征抽取及检测。实验表明：系统设计合理，特征抽取及检测方法有效，能较好地检测已知和未知入侵。     

IPCA在故障检测与分离中的应用

针对现有ＢＰ网络在故障诊断中存在的缺陷，提出了利用小波函数构造故障诊断神经元网络，利用变尺度算法进行网络训练，加快了网络的训练速度。并交结果运用到一个ＣＳＴＲ非稳态故障诊断的过程中，仿真实例表明，小波网络较ＢＰ网络具有更好的故障诊断能力。     

甲醇合成过程中基于MAS的故障诊断方法

针对甲醇合成生产过程的特点和故障产生机制,将多智能体系统(MA S)技术引入到生产过程的故障诊断中,把生产过程划分为一些相对独立的组件,分派特定的诊断智能体对其进行故障诊断,通过智能体之间的协作,充分利用过程中的局部信息而给出整个过程的故障诊断结果。通过仿真实验,得到了满意的结果。     

LVQ神经网络在临床辅助鉴别诊断中的应用研究

选取协和医院64例结节病和42例肺结核病病历作为数据样本,探究建立基于LVQ神经网络的临床辅助鉴别诊断模型以实现这两种疾病的鉴别诊断,测试结果总体确诊率达到87．50％,并与BP神经网络算法结果相对比。实证分析结果表明,该模型对疾病的辅助鉴别诊断有着良好的应用效果,利用LVQ神经网络实现疾病的临床辅助攀别诊断足有效的。