论文研究基于RBF神经网络的非线性滤波器的研究 .pdf

由于基于拉曼的分布式温度传感器（RDTS）中的随机噪声，温度测量的准确性通常会降低。 因此，本文提出了一种基于非线性滤波器的降噪方法。 与原始信号的温度解调结果相比，本文提出的方法可以将温度测量结果的

传统的非线性约束优化算法的精度较低，为了克服这一问题，提出了一种基于粒子滤波的新型优化算法。该算法用于解决非线性约束优化问题，并结合粒子滤波器的模型和机制。首先，利用粒子滤波算法的基本原理建立这种优化

量子遗传算法优化RBF神经网络的MIMO-OFDM信号检测研究，周敏，李飞，信号的最优检测在常规条件下是一NP难解问题，本文针对RBF（径向基函数）神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的

采用Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-六种常规水化学指标作为矿井突水水源识别的依据，利用Piper三线图分析了各充水水源水化学特征，筛选出适用于模型构建的样本。运用SPS

基于RBF和BP神经网络整定PID控制比较，张文霞，袁健，通过BP神经网络和RBF神经网络在MATLAB仿真软件下对相同被控对象的近似数学模型进行PID控制整定的效果比较出两种神经网络算法的各自优�

针对传统RBF神经网络学习算法构造的网络分类精度不高，传统的k-means算法对初始聚类中心的敏感，聚类结果随不同的初始输入而波动。为了解决以上问题，提出一种基于改进k-means的RBF神经网络学习

基于特征提取和RBF神经网络的ECT流型辩识，王莉莉，乔立勇，针对传统ECT流型辩识方法效率低的问题，提出了一种基于特征提取和径向基函数神经网络相结合的ECT图像流型辩识的方法，该方法通过对

针对道路交通系统的非线性和随机性特点，设计一种具有学习能力的车速预测方法。首先，对交通流历史特征数据采用模糊聚类的方法进行状态分类并确立模型结构。然后，建立交通流状态预测的自适应神经模糊系统，以实测交

基于RBF神经网络的柴油发动机调速特性仿真建模,于微波,王东艳,对比分析了柴油机调速系统常用的建模方法的优缺点,采用RBF神经网络方法建立了柴油机调速特性模型,仿真结果证明:应用RBF神经网络

针对工业中存在的时滞、非线性问题，将内模控制方法和神经控制原理有效结合起来，并利用一种改进径向基神经网络(radialbasisfunctionneuralnetworks,RBFNN)中心点学习方法