1) Radial Basic Function-Probabilistic Mixed Neural Network
径向基函数概率混合神经网络
2) Radial Basis Probabilistic Neural Network
径向基概率神经网络
1.
Graphic symbol recognition of engineering drawings based on radial basis probabilistic neural networks;
基于径向基概率神经网络的工程图纸图形符号识别
2.
A structure optimization of the radial basis probabilistic neural network based on covering hypersphere algorithm
一种基于覆盖超球算法的径向基概率神经网络结构优化
3.
According to skin color distribution in YCbCr color space,a novel face recognition method based on radial basis probabilistic neural network (RBPNN) in Eigenface Space of Mahalanobis Distance Map to Skin Color Information was proposed.
在特征脸空间中提取图像的统计特征,以这些统计特征作为输入,构造径向基概率神经网络,利用它的非线性计算和映射能力,进行人脸识别与分类。
3) radial basis probabilistic neural networks
径向基概率神经网络
1.
The genetic algorithm was used to optimize the full structure radial basis probabilistic neural networks(RBPNN), including selecting the hidden centers vectors of the first hidden layer and determining the matching controlling parameters of kernel function of RBPNN.
使用遗传算法来实现径向基概率神经网络 (RBPNN)的全结构遗传优化 ,包括优选网络第一隐层节点数和求取匹配的核函数控制参数 。
2.
The genetic algorithm is used to optimize the structure of the radial basis probabilistic neural networks (RBPNN), including selecting the hidden center vectors of the first hidden layer and determining the corresponding controlling parameters of the kernel function of RBPNN.
运用遗传算法 (GA)来优化设计径向基概率神经网络 (RBPNN)结构 ,优选了隐中心矢量和优化求取对应的核函数控制参数 。
4) RBPNN
径向基概率神经网络
1.
And RBPNN is designed.
根据小波包特征(WPT)和脉冲重复间隔(PRI)的特点,将八维WPT中的第六、七个分量(Wpt6、Wpt7)以及PRI的均值和方差(mPRI、σ2PRI)四个特征参数作为雷达辐射源的识别依据,设计了径向基概率神经网络(RBPNN)分类器。
2.
The maximum absolute error algorithm (MAEA) is used to optimally selecting the hidden centers vectors of the radial basis probabilistic neural networks (RBPNN).
使用最大绝对误差算法 (MAEA)优选径向基概率神经网络 (RBPNN )隐中心矢量 ,将MAEA与求解RBPNN最优核函数控制参数的微遗传算法 (μGA)相结合 (MAE μGA)来共同实现RBPNN的全结构优化 实验结果显示 ,对比其他几种算法 ,MAE μGA优化后的RBPNN结构最简 ,而且在推广能力方面略好于其他几种优化方法 另外 ,MAE μGA对径向基函数网络也有很好的适用
3.
This show that the Radial Basis Probabilistic Neural Network(RBPNN) has the practicabilit.
用MATLAB语言建立径向基概率神经网络来求解地震潜在震源区的划分问题,地震潜在震源区划分是地震危险性安全评价工作的重点,影响潜在震源区的客观因素与潜在震源区划分结果间是一种高度非线性关系,将实际问题分析为网络的模式识别,以华南沿海地区为例检验优化网络,结果较好地对应了中国地震烈度区划图(1990),该方法是对潜在震源区智能划分的一次有效尝试。
5) 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。
6) 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。
补充资料：原子径向分布函数
分子式：
CAS号：
性质：电子出现在半径为r的球面附近单位厚度球壳内的概率，以符号D(r)表示。通常定义D(r)为：D(r)=4πr2R2(r)，其中R(r)为原子轨函中的径向部分。它反映电子云的分布随半径r的变化情况。对氢原子而言，径向分布函数最大值在r等于玻尔半径α0处，在此意义上可以说玻尔轨道是氢原子结构的粗略近似。
CAS号：
性质：电子出现在半径为r的球面附近单位厚度球壳内的概率，以符号D(r)表示。通常定义D(r)为：D(r)=4πr2R2(r)，其中R(r)为原子轨函中的径向部分。它反映电子云的分布随半径r的变化情况。对氢原子而言，径向分布函数最大值在r等于玻尔半径α0处，在此意义上可以说玻尔轨道是氢原子结构的粗略近似。
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