搜索资源列表
RBFApproach
- 基于遗传算法优化的RBF网络逼近程序，可以参考！希望能对大家有所帮助 -based on genetic algorithm optimization RBF network approximation procedures, they can refer to. The hope is to help everyone
RBF
- 主要完成对RBF网络用于函数逼近的功能,是一种在逼近能力、分类能力和学习速度等方面均优于BP网络的网络。
RBFwangluo
- RBF网络逼近函数密密麻麻，该源程序能够无限逼近任意函数,例程中为逼近正弦函数，误差非常小。
rbf4
- 这是一个径向基函数神经网络，通过RBF网络的学习算法来逼近一个二维函数，并利用LMS算法来进行权值调整。-This is a radial basis function neural network, RBF network learning algorithm adopted to approximate a two-dimensional function, and use of LMS algorithm for weight adjustment.
RBF
- 基于梯度法编写的RBF神经网络程序，实现对输入数据的逼近-Gradient method based on the preparation process of the RBF neural network to achieve the approximation of the input data
GA_RBF
- 用遗传算法优化RBF网络参数,减小RBF网络在函数逼近中的误差-Using genetic algorithm to optimize parameters of RBF network, reducing the RBF Network in Function Approximation Error
GGAP-RBF
- 模糊神经网络实现函数逼近与分类，实现模糊规则的提取。-Fuzzy neural network function approximation and classification, to achieve the extraction of fuzzy rules.
RBFFunction
- RBF网络用于函数逼近，未使用matlab工具箱，程序应用效果良好-RBF network for function approximation is not used matlab toolbox, the application of effective procedures
Optimization_of_RBF_Network
- Matlab粒子群算法优化RBF网络 采用了粒子群算法对RBF神经网络中的参数进行了优化，在测试程序中验证了经过粒子群算法优化的RBF神经网络的函数逼近能力比未经过优化的逼近能力强-Matlab PSO RBF network optimization using particle swarm optimization on RBF neural network parameters are optimized, in the test procedures and verified thr
fuzzynet
- 模糊RBF网络逼近和混合Pi-Sigma神经网络逼近-Fuzzy RBF and Pi-Sigma Approaching
rbf
- rbf神经网络程序基本的rbf仿真程序主要是针对线性逼近方面的东西-rbf neron network procedure
bp-rbf-neural-networks
- 介绍如何通过matlab使用bp神经网络和rbf神经网络来逼近非线性函数-Describes how to use matlab bp neural network and rbf neural networks to approximate nonlinear functions
chap8
- 模糊RBF网络 高级神经网络 基于模糊RBF网络的逼近算法 Pi-Sigma神经网络-High fuzzy RBF network based on fuzzy RBF neural network approximation algorithm for network Pi-Sigma Neural Networks
RBF
- RBF神经网络逼近一组三维数据，计算最优权值，-RBF approximation function
RBF
- RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。(RBF network can approximate any nonlinear function, regularity can handle within the system to parse, has good generalization ability and
Untitled2
- k—means函数，RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。(k-means function, RBF network can approximate any non-linear function, can deal with difficult-to-resolve regularity in the sys
RBF of continuous state equation
- RBF网络的逼近器对连续系统进行逼近的仿真程序(Approximation Simulation Program for Continuous Systems by Approximators of RBF Networks)
RBF高斯基函数及逼近器S函数设计仿真
- RBF网络的高斯基函数及逼近器S函数设计仿真(Gaussian Function and Approximator S Function Design and Simulation of RBF Network)
RBF_Adaptive Law
- 基于不确定逼近的RBF网络自适应控制 基于机械臂(RBF Network Adaptive Control Based on Uncertain Approximation)
rbf
- RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局逼近网络的学习速度很慢。BP网络就是一个典型的例子。(RBF network