简介：摘要：众所周知，我国目前处于一个重要信息化和智能化背景之下，各种智能技术已经在各个领域内进行运用，并且随着时间的推移，这些智能技术均起到了很好的效果和作用，人脸识别技术正是其中之一。在现代社会发展过程中，人脸识别系统和算法已经在信息验证、人物信息识别等等方面进行运用，而且现代国内的电子商务和网络银行开始广泛进行运用，因此人脸识别算法无论是在当前还是未来的发展进程中，均具有很好的发展和应用前景，因此，在后续的发展过程中，需要重视人脸识别技术的发展。在本文中主要介绍一种基于RBF神经网络的人脸识别算法，其主要目的在于促进国内人脸识别水平得到对应的提升。

简介：

简介：

简介：人工神经网络是另外一种计算模式。冯·诺依曼机器是以．人类信息处理过程的处理/记忆的抽象为基础的，而神经网络是以动物大脑并行处理的体系结构为基础的。这是一种多处理器的计算机系统，由大量简单的处理单元高度互连，简单分级通信，以及在各单元之间进行适应性交互作用组成。

简介：

简介：Amodelfortheoptimisationofallfuzzy-controller-componentsbyanartificialneuralnetwork.AModularApproachforReliableNanoelectronicandVery-DeepSubmicronCircuitDesignBasedonAnalogNeuralNetworkPrinciples.AmultipointopticalevanescentwaveU-bendsensorsystembasedonartificialneuralnetworkpatternrecognition.Amultivariableapproachformappingsub-pixellandcoverdistributionsusingMISRandMODIS:ApplicationintheBrazilianAmazonregion.

简介：Anoveldailypeakloadforecastingmethodusinganalyzablestructuredneuralnetwork；Apseudo-randomtestingschemeforanalogintegratedcircuitsusingartificialneuralnetworkmodel-basedobservers；AROBUSTPOWERSYSTEMSTABILIZERCONFIGURATIONUSINGARTIFICIALNEURALNETWORKBASEDONLINEAROPTIMALCONTROL(STUDENTPAPERCOMPETITION)；ASelf-AimingCameraBasedonNeurophysicalPrinciples；Aself-organizingneuralmodelforcontext-basedactionrecognition；Asequentialfeatureselection-basedneuralnetworkapproachtodynamicvoltagestabilityestimation。

简介：Abiologicallyinspiredconnectionistsystemfornaturallanguageprocessing，Abiologicallymotivatedconnectionistsystemforpredictingthenextwordinnaturallanguagesentences，Acombinedmodelofwaveletandnenralnetworkforshorttermloadforecasting，Acomparativestudyofradialbasisfunctionneuralnetworksandwaveletneuralnetworksinclassificationofremotelysenseddata……

简介：本文对神经网络的基本原理和应用进行了深入浅出的阐述,首先说明为何引进神经网络,然后讲述神经网络的基本原理和当前有关神经网络的前沿技术,其后对神经网络的应用情况进行了介绍,最后对神经网络有待解决的问题进行了简要说明.

简介：汽车油耗直接影响着汽车的经济性，真实油耗数据的准确检测对汽车产品管理的科学化以及建设资源节约型社会具有积极的意义。根据行车电脑往往不能准确显示油耗值的缺点．提出油耗值的RBF神经网络标定方法。实验表明，该方法能取得较好的标定效果，并且标定方法简单实用可行。为汽车油耗值的实时监测提供了一种有效的方法。

简介：提出了一种基于模糊观测数据的RBF神经网络（FORBFNN），用于解决一类输出不可精确测量但可用模糊隶属度来表征的非线性系统建模问题．神经网络模型中各隐层神经单元的权重系数采用一种新的模糊EM算法辨识获得；隐层神经单元的数量及径向基函数的中心和宽度基于一种数据驱动的方法自适应确定，即首先初始生成一个隐层单元，然后根据一定的规则逐步加入新的单元，该过程不断迭代直到模型满足预设要求．该方法同时考虑了模型的复杂度及预测精度．数值模拟实验结果表明该建模方法是有效的，且建立的模型具有较高的预测精度．

简介：摘要：针对机械臂轨迹规划时各个关节运动控制不光滑，本文选用IRB120机械臂对该模行末端执行器进行运动规划。首先建立机械臂连杆坐标系并得到D-H参数，并运用Matlab Robotics toolbox工具箱建立机械臂模型，分析机械臂从初始位姿到目标位姿时机械臂的角位移情况。借助MATLAB中的神经网络工具箱设计RBF神经网络，利用六个关节的角位移量训练RBF神经网络。仿真结果表明，采用RBF神经网络优化得到的角位移为平滑曲线。

简介：针对网络态势感知中的预测精度问题,提出了基于广义径向基函数（RBF）神经网络的网络安全态势预测方法。该方法利用K-means聚类算法确定RBF的数据中心和扩展函数,并采用最小均方算法调整权值,得出态势值前后之间的非线性映射关系,并进行态势预测。仿真试验表明,该方法能较准确获得态势预测结果,提高网络安全的主动安全防护。

简介：摘要：在供电公司负荷预测中，企业用户的电力需求预测精确度对整个地区的负荷预测至关重要，能使负荷预测更加细化、精确化，从而利于电能供给平衡。然而近年来，人工智能方法用于用电需求的预测上，仍存在网络参数容易陷入局部最优的问题。基于此，以璧山城区646户高压企业客户，连续23个月的用电量为数据源，对其进行数据挖掘、聚类分析、预测，根据不同企业用电习惯及特点，挖掘数据特征向量，基于RBF人工神经网络建企业日用电量的预测模型，并与BP神经网络企业日用电量预测模型进行对比测试，基于RBF神经网络算法的企业日用电量模型精确度高达90%。

简介：在工业过程控制系统中，许多被控对象具有纯滞后的性质，这种纯滞后环节将导致系统不稳定。针对这种情况设计了一种控制器，这种控制器结合了模糊控制和神经网络控制的优点，可以在线调整得到一组最优的PID控制参数。仿真结果表明这种控制器结构简单，对纯滞后系统的控制效果良好。

简介：针对坦克炮身管精确定位和平衡问题，提出了一种基于干扰观测器（DOB）的RBF神经网络滑模控制策略。由于炮控身管平衡系统模型中存在某些时变的不确定参数，所以利用RBF神经网络的万能逼近特性来辨识该参数。为了更好地提升系统的抗干扰性能，引入了干扰观测器，对系统外部扰动进行实时观测。通过仿真试验可知，该控制策略有效地提高了系统的稳定性，消除了滑模控制过程中固有的抖振现象，并大大提高了电液伺服系统的跟踪性能，使系统具有良好的鲁棒性。

简介：现金流预测是项目投资决策和评价企业未来价值的关键性因素。本文通过采用滑动窗技术确定RBF神经网络的训练样本和测试样本,然后通过变换不同的分布函数值对模型进行建模和仿真。实证研究结果表明,RBF神经网络模型训练和仿真结果稳定,预测效果良好。

简介：针对分数阶混沌系统的同步问题,提出一种基于径向基函数（RadialBasisFunction,RBF）神经网络的控制器。利用RBF神经网络对同步误差系统进行补偿控制,神经网络的权值可以在线调整,使得同步误差渐近收敛到零点。基于Lya-punov稳定性理论,分析了该控制器的稳定性。分别以分数阶Chen系统的同步和分数阶Liu系统的同步为例进行了数值仿真,仿真结果验证了所设计的控制器的有效性和鲁棒性。

简介：摘要：为了提高网络安全态势预测的准确性和可靠性，研究提出了一种基于CS-RBF（改进径向基函数）神经网络的预测方法。该方法在传统RBF神经网络的基础上引入了改进算法，以适应复杂多变的网络环境。通过对网络安全数据进行预处理和特征选择，CS-RBF神经网络能够有效地处理多维数据，并进行准确的态势预测。研究表明，CS-RBF神经网络相较于传统预测方法，具有更高的预测精度和稳定性。此方法不仅提升了网络安全态势预测的效果，也为未来相关领域的研究提供了新的思路和工具。

简介：