“rbf_g”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果315949个，建议您升级VIP下载更多相关专利

[发明专利]三维空间中基于RBF_G的二对一同步区域覆盖拦截方法-CN202310393166.3在审
发明人：周荻;白羽;张博伦;何朕;邹昕光;祝月;张锐 -专利权人：哈尔滨工业大学
申请日： 2023-04-13 - 公布日： 2023-06-06 - 主分类号： F41H11/02 文献下载
摘要：三维空间中基于RBF_G的二对一同步区域覆盖拦截方法，它属于多对一导弹同步拦截领域。本发明解决了现有的同步拦截方法中未考虑目标的不同机动级别和类型，以及未考虑目标法向过载的随机性的问题。本发明首先提出了三维空间中的导弹对目标拦截时间的计算方法，其次生成训练数据集用于训练生成RBF_G网络，再基于比例制导率提出了变比例系数的比例制导策略，允许拦截器在期望的拦截时间拦截机动目标，即使目标采用不同的级别和类型的机动
三维空间基于 rbf_g 同步区域覆盖拦截方法

[发明专利]一种基于RBF神经网络的多普勒频偏估计方法和系统-CN202111533304.0有效
发明人：徐金华;张东;喻宜;吕志来;张国兰;蒋旭东 -专利权人：北京许继电气有限公司
申请日： 2021-12-15 - 公布日： 2023-09-12 - 主分类号： H04L27/26 文献下载
摘要：本发明实施例提供了一种基于RBF神经网络的多普勒频偏估计方法和系统,所述方法包括：利用给定的神经网络学习算法实现接收端导频信号与多普勒频偏之间的映射关系，然后对多普勒频偏进行估计。首先确定5G高速移动环境中接收端收到的导频信号样本集；根据5G高速移动环境中随机生成多普勒频偏，利用不同多普勒频偏情况下的导频信号组成训练样本对三层RBF神经网络进行训练，得到最优权值；计算RBF神经网络权值调节律；判断RBF神经网络误差值是否大于给定误差；如果是则继续计算RBF神经网络误差值。
一种基于 rbf 神经网络多普勒估计方法系统

[发明专利]遗传算法RBF神经网络在涡流传感器非线性补偿中的应用-CN201810780496.7在审
发明人：俞阿龙;戴金桥;孙红兵 -专利权人：淮阴师范学院
申请日： 2018-07-17 - 公布日： 2018-12-28 - 主分类号： G06N3/04 文献下载
摘要：遗传算法RBF神经网络在涡流传感器非线性补偿中的应用，它涉及一种涡流传感器技术领域。用RBF神经网络建立涡流传感器非线性补偿模型，称为RBF神经网络逆模型，设涡流传感器的输入为δ，涡流传感器输出频率f，f＝g(δ)为非线性关系，在涡流传感器后串联一个补偿环节，使y＝g1(f)＝kδ，那么就实现了涡流传感器的非线性补偿，当k＝1时，y＝δ＝g1(f)称为涡流传感器的逆模型，将涡流传感器输出频率f作为RBF神经网络的输入训练样本。
涡流传感器非线性补偿输出频率逆模型应用遗传算法非线性关系补偿环节网络结构网络训练训练样本遗传算法软补偿寻优串联全局应用优化

[发明专利]一种基于支持向量机的管道风险等级评价方法及装置-CN202110388615.6在审
发明人：田中山;董绍华;赖少川;宋顶;林武斌;杨文;徐晴晴 -专利权人：国家石油天然气管网集团有限公司华南分公司;广东华南智慧管道研究院
申请日： 2021-04-12 - 公布日： 2021-07-30 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供了一种基于支持向量机的管道风险等级评价方法及装置，其中方法包括：获取样本，将样本划分为训练集和验证集；确定支持向量机模型核函数为RBF核函数；获取训练集的样本的标签，构建训练模型；将验证集的样本导入支持向量机模型中进行预测，构建预测模型；利用网格搜索法对RBF核函数的参数对优化，其中RBF核函数包括惩罚因子C和核参数g；利用交叉验证法验证RBF核函数的参数对的计算精度；循环进行RBF核函数的参数的优化和验证，直至确定最佳RBF核函数的参数对；获取最终支持向量机模型函数；获取待判断管段风险指标得分数据，将待判断管段风险指标得分数据导入最终支持向量机模型函数，得到相应管段风险等级。
一种基于支持向量管道风险等级评价方法装置

[发明专利]一种车载智能微电网性能评估方法-CN202211306323.4有效
发明人：马晓军;陈克伟;魏曙光;袁东;张嘉曦 -专利权人：中国人民解放军陆军装甲兵学院
申请日： 2022-10-25 - 公布日： 2023-02-03 - 主分类号： G06Q10/0639 文献下载
摘要：根据车载智能微电网性能的评估指标和原始数据构建车载智能微电网性能评估的数据集；利用数据集计算SVM的分类准确率，将5折交叉验证SVM的分类准确率作为目标函数，并确定惩罚因子C和RBF核函数参数g的上下限；根据目标函数，通过改进瞬态搜索优化算法对惩罚因子C和RBF核函数参数g进行搜索，获得最优参数；将最优的惩罚因子C和RBF核函数参数g
一种车载智能电网性能评估方法

[发明专利]基于RBF神经网络技术的风力发电机组系统辨识方法-CN201610891035.8有效
发明人：马灵芝;孙勇;应有;王杭烽 -专利权人：浙江运达风电股份有限公司;国家电网公司;国网江苏省电力公司电力科学研究院
申请日： 2016-10-13 - 公布日： 2019-03-05 - 主分类号： F03D7/02 文献下载
摘要：一种基于RBF神经网络技术的风力发电机组系统辨识方法，包括以下步骤：步骤1获取系统辨识所需数据：根据风力发电机组系统特性,获取辨识所需的输入数据、输出数据；采样时间选取系统内部采样时间；转矩环辨识时输入信号为发电机转矩T_g，桨距环辨识时为桨叶节距角β，输出数据为发电机转速Ω；步骤2基于RBF技术进行系统辨识，描述风力发电机组系统，将转矩环或者桨距环设为非线性SISO系统，采用非线性扩展自回归华东平均模型NARMAX描述，RBF神经网络训练过程如下：信号前向传播：计算RBF神经网络的输出；误差反向传播：采用δ学习算法，调整RBF网络各层间的权值。
基于 rbf 神经网络技术风力发电机组系统辨识方法

[发明专利]一种基于智能优化算法的空地无人系统作战效能评估方法-CN202211449951.8有效
发明人：陈克伟;胡雪松;刘春光;廖自力;尚颖辉;石海滨;张嘉曦;李晓燕 -专利权人：中国人民解放军陆军装甲兵学院
申请日： 2022-11-19 - 公布日： 2023-02-28 - 主分类号： G06F18/2411 文献下载
摘要：根据空地无人系统作战效能的评估指标和原始数据构建空地无人系统作战效能评估的数据集；利用数据集计算SVM的分类准确率，将5折交叉验证SVM的分类准确率作为目标函数，并确定惩罚因子C和RBF核函数参数g的上下限；根据目标函数，通过改进乌燕鸥优化算法对惩罚因子C和RBF核函数参数g进行搜索，获得最优参数，并建立基于SVM的空地无人系统作战效能评估模型进行评估，获得评估结果；该方法克服了乌燕鸥优化算法存在的几点不足，能够显著提升空地无人系统作战效能评估的效果
一种基于智能优化算法空地无人系统作战效能评估方法

[发明专利]体纹理合成方法、装置与设备-CN201911287257.9在审
发明人：钱银玲;孙寅紫;王琼;王平安 -专利权人：中国科学院深圳先进技术研究院
申请日： 2019-12-14 - 公布日： 2020-04-28 - 主分类号： G06T15/08 文献下载
摘要：本申请提供一种体纹理合成方法、装置与设备，涉及计算机图形学技术领域，其中，该方法包括：对样例图像进行超像素分割；根据超像素分割结果生成矢量图像，矢量图像中包含一系列二维径向基函数RBF实例，每个二维RBF实例包含对应的二维RBF基元和二维RBF基元的位置，二维RBF基元与超像素分割结果中的超像素一一对应，二维RBF基元具有对应的颜色、符号距离函数SDF值和有效范围；根据矢量图像生成RBF体纹理图像，RBF体纹理图像中包括多个体积RBF实例，每个体积RBF实例包含对应的体积RBF基元和体积RBF基元的位置；对RBF体纹理图像进行纹理优化，生成目标体纹理图像。
纹理合成方法装置设备

[发明专利]一种五元氟化物熔盐及其制备方法-CN202310244535.2在审
发明人：阴慧琴;唐忠锋;杨志刚;刘崎;李娜;李雪娇;贾要强;汪洋;来兴;王子睿 -专利权人：中国科学院上海应用物理研究所
申请日： 2023-03-15 - 公布日： 2023-06-09 - 主分类号： C09K5/12 文献下载
摘要：%的RbF，8.2～8.6wt.%的LiF，3.1～3.5wt.%的NaF，16.6～17.0wt.%的KF，14.0～14.4wt.%的ZnF2。本发明创新性地将RbF作为主要成分，配合以适量的Li、Na、K、Zn的氟化物，首次提出并制备了五元氟化物熔盐，该熔盐的熔点为410.0±2.0℃、固液焓变为107.0±6.0 J/g、比热为1.55±0.55 J/g℃，分解温度为755±2℃。
一种氟化物及其制备方法

[发明专利]RBF‑AR模型的新型网络结构及参数辨识方法-CN201610992237.1在审
发明人：席燕辉;赵廷;张晓东;彭辉;肖辉;李泽文 -专利权人：长沙理工大学
申请日： 2016-11-11 - 公布日： 2017-03-29 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了RBF‑AR模型的新型网络结构及参数辨识方法。RBF神经网络。针对在低信噪比情况下,SNPOM(structured nonlinear parameter optimization)方法对RBF‑AR模型辨识精度低的缺陷，本发明建立了RBF‑AR模型（广义RBF神经网络）的自组织状态空间模型，采用一种以参数最优化初始值及参数驱动噪声统计特性估计为核心的自适应粒子滤波算法，实现对RBF‑AR模型的参数辨识，可有效提高RBF‑AR模型对含噪数据的建模精度和预测精度,实现了对RBF‑AR模型的在线估计和实时控制，为RBF‑AR模型的参数辨识提供新方法。
rbf ar 模型新型网络结构参数辨识方法

[发明专利]基于混合递阶遗传算法的RBF神经网络的网络RBF评价方法-CN201910547785.7在审
发明人：温泉;王晓菲;杨洁;张茜;陈志浩;石波;常承伟;贾琼;杨枭 -专利权人：北京计算机技术及应用研究所
申请日： 2019-06-24 - 公布日： 2019-10-08 - 主分类号： G06N3/12 文献下载
摘要：本发明涉及一种基于混合递阶遗传算法的RBF神经网络的网络RBF评价方法，涉及信息安全技术领域。该方法将遗传算法与RBF网络结合，采用递阶遗传算法确定合理的RBF网络隐含层节点，基函数宽度和中心，再采用灰狼算法确定输出层权值，将递阶遗传算法与灰狼算法相结合，采用混合递阶遗传算法的RBF神经网络算法对网络RBF进行评价，实现了对网络RBF指标系统进行量化评估，综合考虑各能力要素的重要程度以及RBF能力水平，采用全面的，高效的，高逼真的评分方式，能够充分有效评估网络RBF效能。
遗传算法递阶算法网络信息安全技术量化评估能力水平能力要素评分方式评估网络算法确定指标系统综合考虑基函数输出层隐含层

[发明专利]基于PCA-GA-RBF的换热器污垢生长预测方法-CN201910236098.3在审
发明人：蒋宁;范伟;谢小东;郭风元;徐英杰 -专利权人：浙江工业大学
申请日： 2019-03-27 - 公布日： 2019-11-22 - 主分类号： G06Q10/04 文献下载
摘要：一种基于PCA‑GA‑RBF的换热器污垢生长预测方法，包括以下步骤：步骤1.构建最佳的换热器污垢训练样本；步骤2.构建基于GA‑RBF的人工神经网络预测模型，确定RBF人工神经网络预测模型的输入层神经元个数、隐含层神经元个数以及输出神经元个数；步骤3.利用遗传算法对RBF人工神经网络预测模型的初始参数值进行优化，获得RBF人工神经网络预测模型的初始参数值；用遗传算法来优化RBF网络的隐节点中心和宽度参数；步骤4.利用优化好的RBF人工神经预测模型的初始参数值，带入RBF人工神经网络预测模型，采用正交最小二乘法调整RBF的隐含层节点中心位置和权值。
预测模型节点中心遗传算法换热器隐含层污垢构建人工神经网络预测优化神经元输入层神经元输出神经元最小二乘法宽度参数人工神经训练样本正交生长预测学习

[发明专利]一种基于RBF神经网络的网络流量测量方法-CN201410097087.9有效
发明人：蒋云良;王智群 -专利权人：湖州师范学院
申请日： 2014-03-17 - 公布日： 2017-03-01 - 主分类号： H04L12/26 文献下载
摘要：本发明公开了一种基于RBF神经网络的网络流量测量方法，依次包括以下步骤建立RBF神经网络模型、网络流量数据行归一化处理、RBF神经网络模型的学习算法、RBF神经网络模型的训练算法、RBF神经网络模型性能的评价本发明通过建立了一个基于RBF神经网络的流量测量模型，给出了RBF神经网络的结构设计及基于正交最小二乘的学习算法，相对于BP流量预测模型，RBF方法预测准确度更高，能够很好地描述网络流的变化规律，具有泛化能力强
一种基于 rbf 神经网络网络流量测量方法

[发明专利]基于k均值的RBF神经网络算法的电机故障诊断方法-CN201510799865.3在审
发明人：王洋;朱先铭;范思哲 -专利权人：上海电机学院
申请日： 2015-11-19 - 公布日： 2016-04-13 - 主分类号： G01R31/34 文献下载
摘要：一种基于k均值的RBF神经网络算法的电机故障诊断方法，包括：根据k均值聚类算法提取出电机的故障样本集，利用故障样本集使RBF神经网络开始学习训练；当RBF神经网络训练完成后，使各个隐节点的数据中心相应的输出权值不再改变，随后使RBF神经网络进入工作状态，已训练完成的RBF神经网络中的数据中心和连接权值记录了故障特征；电机测试数据经过归一化处理；将归一化处理后的电机测试数据传递至RBF神经网络以形成故障征兆，将故障征兆传递给RBF神经网络；将传递进来的故障征兆与RBF神经网络中记录的故障特征进行比较；在传递进来的故障征兆与RBF神经网络中记录的特定故障特征之间的相似度大于预定阈值时，RBF神经网络输出与特定故障特征对应的故障类型
基于均值 rbf 神经网络算法电机故障诊断方法

[发明专利]一种基于RBF神经网络的训练方法-CN201911309763.3在审
发明人：马艳东;崔能西;崔彦军;王志强;董佳 -专利权人：河北省科学院应用数学研究所
申请日： 2019-12-18 - 公布日： 2020-04-28 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种基于RBF神经网络的训练方法，属于数据分类领域，包括：提取训练集中各个训练数据的特征；将训练集中各个训练数据的特征划分为Q个特征子集，其中，Q大于1，且每个特征子集中包含的特征数不小于1；分别基于各个特征子集和各个特征子集所对应的目标训练子集，训练相应的RBF神经子网络，得到Q个RBF神经子网络；将Q个RBF神经子网络并列拼接成RBF神经网络；基于各个训练数据以及各个训练数据的预设分类对RBF神经网络进行训练，得到已训练的RBF神经网络。本申请突破了RBF神经网络隐含层节点数目的上限，实现了更高的数据分类能力。
一种基于 rbf 神经网络训练方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条