1) based function neural networks
基函数类神经网络
1.
The scheme can function without any plant model,without expert knowledge,and without the previous plant data,which uses the radial based function neural networks to adjust the system input,.
采用自适应滑模变结构控制方法 ,对形如 x(n) =f( x,t) +g( x,t) u+d( t)的非线性系统进行跟踪控制 ,其中 f( x,t)和 g( x,t)为未知非线性函数 ,且其边界未知 ,d( t)为未知有界扰动 ,为减少对被控制对象信息的依赖性 ,没有利用专家知道 ,也没有利用被控对象的历史运行数据 ,通过利用基函数类神经网络动态逼近函数 f( x,t)和 g( x,t) ,对自适应调整控制系统输入 ,得出基于 RBF网络的滑模变结构自适应控制方案 ,经过理论分析 ,证明了控制方案的稳定性。
2) basis function neural network
基函数神经网络
1.
This paper describes a new model of designing intrusion detection system based on basis function neural networks,which contains different and orthogonal active function,simulates biology neural system on higher level.
提出一种新型的基函数神经网络用于入侵检测技术中,其中每个神经元的活跃函数各不相同,彼此正交,在更高层次上完成对生物神经系统的模拟,它即可以用于异常检测以检测出新的攻击,也可以用于误用检测以检测出已恬的攻击及其变种。
3) RBFNN
径向基函数神经网络
1.
Radial Basis Function Neural Network Based on EMG - Model(EMG -RBFNN) is constructed, then a two -phase genetic algorithm (GA)-training structure and evolving parameter is used to train EMG -RBFNN so that it has the ability of reconstructed structure.
方法 :构造了以修正高斯模型 (EMG)为基函数的径向基函数神经网络 (EMG-RBFNN) ,在网络学习算法中提出采用基于共享小生境技术的约束最优保留两阶段遗传算法 :结构学习和参数最速梯度下降进化 ,从而使EMG-RBFNN具有结构学习能力 ,使该神经网络能够适应组分数未知的色谱重叠峰解析。
2.
Furthermore,radial basis function neural network(RBFNN) is applied to PD pattern recognition according to the disadvantages of RBFNN.
采用了一种Δu模式参量作为局部放电的图谱特征,并采用不变矩作为放电特征;同时,采用了径向基函数神经网络(RBFNN)对局部放电Δu模式参量构成的图谱特征进行识别。
3.
An approach,which combines radial basis function Neural Network(RBFNN) with self-learning and self-adaptive characteristics with the traditional PID control,is proposed for the tracking control of electro-hydraulic position servo systems with the uncertainties of parameters.
仿真研究表明,利用基于径向基函数神经网络的PID控制能使电液位置伺服系统获得令人满意的跟踪特性和快速响应特性。
4) radial basis function network
径向基函数神经网络
1.
Two-stage partial least squares regression for constructing radial basis function networks;
基于分级偏最小二乘回归的径向基函数神经网络
2.
Aiming at the large inertial time-delay characteristic of the fresh steam temperature variations in thermal power plants, a novel PID control strategy with radial basis function network tuning based on chaotic and genetic algorithm was proposed.
针对火电厂主汽温控制系统具有大惯性、大迟延等特性,提出一种基于混沌遗传算法的径向基函数神经网络整定PID参数的控制策略。
5) RBF neural network
径向基函数神经网络
1.
Optimization control of a distillation column based on the RBF neural network and NLJ algorithm;
基于径向基函数神经网络和NLJ优化算法的精馏塔控制
2.
Features Recognitioning of 2-D Part Drawing Based on RBF Neural Network;
基于径向基函数神经网络的二维零件图特征识别
3.
Chaos control of Lorenz system via RBF neural network sliding mode controller;
基于径向基函数神经网络的Lorenz混沌系统滑模控制
6) wavelet basis function neural network
小波基函数神经网络
1.
In this paper,a net mapping from pipeline MFL inspection signals to profiles of defects is established by using the wavelet basis function neural network method, in which centers of basis functions are selected using iterative self-organizing data analysis techniques (ISODATA) dynamic clust.
本文采用小波基函数神经网络的方法,建立了由管道缺陷的漏磁信号到缺陷截面轮廓图的网络映射。
补充资料：函数逼近，函数类的极值问题
函数逼近，函数类的极值问题
ions, extremal problems in function dasses approximation of ftinc-
】f，r，(r’)一f(r，(r‘’)}《M】r’一r“}“(r’，，“。I一1，!])的f任Cr!一1，l]组成的函数类，则对于n一1次代数多项式子空间贝了在!一1，l]上所作的最佳一致逼近，下列关系式成立: 悠二E‘MH。，”‘”)‘一粤，‘6) ，、_一二，二，，，，、~刀、M，二、。，，r，、忽”厂‘““‘M附rH“，贝:’‘一誉{’·‘万一‘’‘““‘，‘7， r=l，2，…，将这些结果与周期情形下的相应结果进行比较是有所裨益的.当，=1时，(6)，(7)的右端分别等于M凡和M人r+1.如果放弃对最佳逼近多项式的要求，那么就可以获得较强的结果，这些结果实质上改善了在!一1，l]端点处的逼近并保持了整个区间上的最佳渐近特征.例如，对任何f6MH‘，存在代数多项式序列Pn以t)任灾矛，使得当n~的时，下列关系式在t6!一1，l]上一致成立:、f(!)一。。，‘)、·:{{;杯}“二‘一，!- =E(MHa，哭聋)。【(l一tZ)a·‘2+o(l)1.对M评百，(r=1，2，…)也有类似的结果(见【川).关于(最佳及插值型)样条逼近给定在区间上函数类的问题，若干精确及渐近精确的结果(主要是对于低阶样条)已公诸于世(见1151). 就(积分度量下的)单边逼近而言，关于上述函数类用多项式和样条进行最佳逼近的误差估计也已得到了一系列精确的结果(见【14]).在推导这些结果的过程中，实质上利用了最佳逼近在锥约束下的对偶关系. 对给定的函数类叨，寻求其(固定维数的)最佳逼近工具将导致确定所谓的宽度(widih)问题，亦即确定(参考(l)，(3)) 心(，之，幻=运fE(叭，贝，)x， 贝即 d沁(叭，X)==运f者(叭，叽、)，， 田阳(其中下确界取自X的所有N维子空间灾N(及其平移))，以及确定实现这些下确界的(最佳)极子空间问题.心与d万的上界可由E(叨，灾)x和g(叭，叭)x分别给出，对于具体的子空间贝，来说，E(绷，灾)x和扩(绷，哭N)x是已知的.宽度问题中的主要困难是获取下确界.在某些场合下，可借助于拓扑中的Borsuk对映定理丈见18』)而得到这些下确界.在用(。一1阶三角多项式)子空间，荔一，或(关于结点人司。亏数为1的。阶样条)子空间s皿解决函数类M吼及周期函数类wrH“的最佳逼近问题时，已知的上确界E(叭，巩、)x几乎在所有的情况下同时也就是这些函数类的心值.此外，对周期函数类还有姚。一1=姚。.特别有(见[7]，【8]，【1 51，【16」)dZ，l(附妥，C)=dZ。(W蕊，C)二dZ。一(W下.L一)= =dZ。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条