基于MATLAB的RBF神经网络在分类中的应用

基于MATLAB的RBF神经网络在分类中的应用作者：刘雪峰，张宏立作者单位：新疆大学电气工程学院刊名：内江科技英文刊名：NEIJIANGKEJI年，卷(期)：2010，31(7)被引用次数：0次参考文献(3条)1.丛爽.面向MATLAB工具箱的神经网络理论与应用[M].中国科学技术大学出版社,2003,052.飞思科技产品研发中心.神经网络理论与MATLAB7实现[M].电子工业出版社,20053.施鸿宝.神经网络及其应用[M].西安交通大学出版社,1993相似文献(10条)1.学位论文李颖基于人工神经网络的多电极阵列上培养神经元锋电位的分类2006细胞外多电极记录中，每个电极记录的电信号表示该电极附近多个神经元的电活动。对电极记录的多个神经元锋电位的分类处理是进行锋电位时间序列分析之前所要进行的第一步。分类所面临的两大问题是细胞外多电极记录数据往往包含高度相关的噪声，且锋电位波形重叠情况也时有发生。人工神经网络日渐成为一种重要的分类工具，其最大益处就在于它善于对环境的自适应学习，并且具有并行处理泛化能力。本文提出的径向基函数神经网络，其隐层基函数是一种局域作用函数，当输入信号靠近基函数的中心范围时，隐层节点将产生较大的输出，对于远离隐层节点中心的输入样本，网络输出趋于零。因此，径向基函数网络用于分类时，每一类的判决区域也是局域性的，具有优越的局部逼近能力。本文首先用改进的峰峰值检测法对原始信号进行提取,获得锋电位信号样本。然后用主成分分类对这些锋电位进行预分类，选取每类中方差较小的典型锋电位集合作为径向基网络的训练样本，让神经网络进行自适应学习。最后用训练好的神经网络锋电位信号进行分类。仿真结果表明,在信噪比降低和锋电位发放率增加的两种情况下，径向基函数分类比主成分聚类和形状聚类的错误率要小。对多电极细胞外记录的海马神经元细胞锋电位用上述三种方法分类，统计分类前后锋电位发放时间间隔，也证实了在对真实原始信号分类时径向基函数网络比主成分聚类和形状聚类的效果要优越。2.期刊论文丁勇.袁景淇.DINGYong.YUANJing-qi基于人工神经网络的低信噪比神经元锋电位分类-上海交通大学学报2006,40(5)基于人工神经网络和模板匹配,提出了对低信噪比神经元信号分类的方法.首先对待分类信号进行阈值检测,获得尖峰信号,对这些尖峰信号进行主成分分析,再选取主成分进行聚类,根据聚类结果,取对应的尖峰信号作为人工神经网络的训练样本.网络测试和结合模板匹配识别叠加信号的仿真结果表明了该方法的优越性.3.学位论文张蕾群神经元计算的动力学行为2008理解人脑及其思想、认知、学习和记忆等智力能力，是这个时代最迷人的科学挑战。人工神经网络以其固有的模拟大脑智能的特性和强大的计算能力，吸引着国际上许多优秀的科学家和一流的学术研究机构，成为科学和工程上的研究热点。自上个世纪八十年代人工神经网络崛起以来，二十多年间，取得了大量令人振奋的研究成果，同时，其应用已经渗透到经济、军事、工程、医学，以及科学的许多领域。国际一流学术刊物，如《Science》、《Nature》上不断涌现的人工神经网络的研究成果；以及国际知名企业，如Intel、IBM公司等对神经网络芯片研发的大量投入，都表明了人工神经网络重要的科学地位。人工神经网络的动力学分析是其面向应用的重要理论基础，许多重要应用，要求网络具有良好的稳定性。通常，网络有两种稳定的计算运行模式：单一稳定和多稳定计算。神经网络的多稳定性，实质上体现了网络中神经元活动的群体计算特征，更深层次地揭示了生物神经网络的内在本质，具有更强大的计算能力。群神经元计算的动力学行为研究，是人工神经网络研究发展的必然趋势。本文针对这一前沿性研究课题展开深入研究，主要研究成果有：(1)研究了连续型和离散型非饱和分段线性阈值(LinearThreshold，LT)神经网络中的多周期计算特性和网络的全局吸引性。很多的生物和认知行为都存在重复循环现象，周期性震荡是神经网络中一种重要的动力学行为。应用神经元连接权的局部抑制方法，得到了网络全局吸引域的计算表达式。同时，突破性地采用不变集的思想，建立了使得网络实现多周期计算的条件。(2)研究了离散型LT神经网络中群神经元的“容许集”和“禁止集”理论，从全新的角度讨论了神经网络中的“记忆”提取，以更易控制的外部输入代替状态初值来提取网络中存储的“记忆”。采用能量函数等方法，建立了网络完全收敛、网络存在“容许集”和“禁止集”，以及网络条件多吸引的充要条件。(3)提出了群神经元的“非饱和集”与“饱和集”概念，针对细胞神经网络，建立了“非饱和集”和“饱和集”存在的充要条件等一些基本理论。在这些概念的基础上，利用侧向抑制，讨论了“非饱和集”与神经元组群之间的对应关系，实现了神经元的群选择计算，成功推广了工程上著名的Winner-Take-All(WTA)方法。通过使用该网络成功地提取存储在环形网络中的“记忆”，证明了这些概念的重要性和实际应用价值。(4)针对两类神经网络：LT神经网络和Lotka-Volterra(LV)神经网络，提出了群神经元的“活动性不变集”概念，分别推导出确定活动性不变集位置的条件，并且证明了每个活动性不变集中都有一个平衡点指数地吸引着这个不变集中的所有解轨线，因为这些吸引子是位于活动性不变集中，所以每个吸引子都具有数字的二值特性，同时也加载模拟信息。这些结论在“群胜者全得”和联想记忆等领域都具有潜在的应用价值。(5)研究了几类神经网络的多稳定性计算，包括具有非饱和分段线性阈值函数的双向联想记忆神经网络和背景回复式神经网络模型，应用局部抑制和能量函数方法，讨论了神经计算中多稳定的三个基本特性：有界性，全局吸引性和完全收敛性，获得了全局指数吸引集的确切表达式。此外，还讨论了背景神经网络中，分叉参数对网络平衡态的分布位置、网络平衡态的具体个数以及网络吸引子的个数和位置的影响。最后，研究了一类具有跳跃性非连续传输函数的变时滞神经网络，这类网络是神经元放大增益极高时的理想模型，得到了容易验证的保证网络全局指数收敛的条件。这些成果的取得，对于进一步建立群神经元计算理论将起到积极的推动作用。4.会议论文曾荣.王铎一个由三个神经元组成的人工神经网络的混沌19935.学位论文王仲宇人工神经网络的构造性设计方法研究2004本文对下述三种人工神经网络（ANN）构造性设计方法进行了一些探索研究：首先，研究了Divide&Conquer(D&C)构造性算法。D&C算法将样本集按一定方式动态分成若干个子集，构造若干个相应的子网络对这些子集进行学习；工作时将各个子网的输出集成，得出最终结果。讨论了如何系统有效的划分样本集，如何确定子样本集的个数，如何集成以得到网络输出。用典型分类问题双螺线问题对D&C算法的性能进行了测试。然后，提出了一种构造性最近邻分类网络设计方法。最近邻法是传统的模式识别分类方法，它等效为一种输出层为竞争层的单隐层前馈网络，只是网络隐层神经元个数太多，有多少个样本就有多少个隐层神经元，分类计算量大。本部分提出的构造性最近邻分类网络设计方法，动态的构建一个分类网络结构，在实现最近邻分类法的同时，显著减少了神经元的个数，减少了分类计算量。用多个经典分类数据对其性能进行测试，结果表明该网络提高了分类速度。最后，提出了一种在构造性设计中基于遗传算法优选神经元激活函数类型的方法。全面的ANN学习应该包括神经元激活函数类型的优化。现有的绝大多数学习算法没有考虑这一问题。在构造性框架内优化神经元激活函数类型比较容易实现。将提出的基于GA优选神经元类型的构造性算法与其他多个学习算法进行了实验比较。实验表明，这一方法是有效果的，值得进一步研究。6.期刊论文木林对人工神经网络的初步认识-呼伦贝尔学院学报2003,11(1)本文是对人工神经网络的初步介绍,主要介绍了人工神经模型的提出、神经元的结构及模型、人工神经网络特点,以使大家对人工神经网络有一初步认识.7.学位论文庾飚人工神经网络在短期负荷预测中的应用2004这篇文章主要介绍了我们在人工神经网络在电力系统短期负荷预测中进行的研究工作.本文在进行短期预测的过程中,主要进行以下的工作:介绍和分析国内外现有的负荷预测技术现状;简要说明人工神经网络;几种流行BP算法的理论介绍和算法的选取;根据负荷组成成分的分析及主要成分的变化规律,决定神经网络的输入以及训练样本数量的选取和处理;通过建立二十四个子人工神经网络分时段预测负荷数值,代替原来通过一个网络同时预测二十四个小时负荷的方法,简化了神经网络的结构提高预测精度;介绍常用的隐层神经元计算公式,比较不同隐含层神经元数量对预测结果的影响,然后选取最优值;检验新的预测模型在实际的使用效果;根据实际应用情况提出存在的问题和后续研究的见解.8.期刊论文张立君.徐佳.ZHANGLi-jun.XUJia人工神经元电路结构的研究与探讨-北京印刷学院学报2006,14(4)人工神经元是构成人工神经网络的基本单元,为了研究人工神经网络的基本构成和人工神经元的基本结构,提出了基于模拟电子技术的人工神经元的硬件电路实现方法,给出了利用模拟电子技术实现人工神经元的电路设计过程.9.学位论文王蓓神经元电路设计实现的研究2008人工神经网络是现代信息处理领域的一个重要方法。相对于软件实现，硬件实现方法能充分发挥神经网络并行处理的特点。用模拟电路实现神经网络电路形式简单、功耗低、速度快等优点，占用芯片面积小，可以提高在神经网络芯片上神经元的集成度。而数字电路则易于存储信息。因此数模混合实现神经元电路是一种比较理想的方式。文中分析了神经元的模型，提出了电路实现的方法。主要从减少神经网络中神经元个数及提高单个神经元信息处理能力两个角度出发，以数字逻辑的多阈值神经网络实现作为研究内容，提出用较少的神经元实现数字逻辑，并且使实现的数字逻辑具有较高信息密度的可能性。首先分析了多阈值神经元的工作原理，并提出设计多阈值神经元的方法。用两个MOS晶体管组成突触电路，然后基于开关电路，结合限幅电压开关理论提出多阈值神经元阈值判别函数的开关级设计方法。从开关级设计实现了三值逻辑运算中与、非、文字运算的多阈值神经元电路。对设计出的电路进行PSPICE模拟并测量相关参数，结果表明，该设计方法简便、规范，结构简单，并且在实现相同逻辑功能时，采用多阈值神经元电路相对于单阈值神经元电路，大幅降低硬件成本。最后文中还给出了一种基于双MOS管的数字权值存储式突触电路的方法，建立了多阈值神经元的多值逻辑运算统一模型。10.学位论文张雨浓人工神经网络的面向对象软件实现1999人工神经网络就是采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统,是近年来迅速发展起来的先进研究方向之一;它由很多人工神经元有机地联接起来,进行并发的工作.其应用的突出优点体现在大规模的并行处理和高度柔性的结构.面向对象技术的兴起,加上传统的人工神经网络算法上的广泛深入的研究,给该课题的开展提供了理论基础.该文介绍神经网络、面向对象和多线程并行机制等基本理论的同时,结合面向对象方法对一种综合性质的隐节点动态增删算法施以软件实现,架构出软件空间中的神经元类和神经网络类(或称主控制类).接着,由基于该算法的神经网络字符识别软件、中医诊断专家系统探讨人工神经网络软件的组件重用性、并行性和动态结构方面的特点.本文链接：授权使用：中北大学图书馆(zbdxtsg)，授权号：9f5583ec-5ba6-41e3-b343-9df400f0ff36下载时间：2010年9月17日