搜索资源列表
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
rbf
- 由于本人近阶段在研究神经网络方面的，所以把有关方面的共享给大家。 这段是用rbf函数逼近的源码。可直接编译运行-Due to recent phase I study of neural networks, so the parties to share to everyone. This is the source function approximation rbf. Direct the compiler to run
GAP-RBF
- 模糊神经网络逼近与分类，模糊规则提取，快速增长与删减网络。-Fuzzy neural network approximation and classification, fuzzy rule extraction, with the deletion of the rapid growth of the network.
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.
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
rbf
- RBF网络逼近函数子程序-RBF network approximation function subroutine
RBF
- RBF神经网络的源程序 遗传RBF网络 RBF神经网络对非线性系统进行逼近-RBF neural network of the source of genetic RBF neural network RBF network to approximate the nonlinear system
rbf
- rbf逼近的程序，采用梯度下降法进行逼近，效果不错-RBF approximation sin (x), using the gradient descent method
RBF神经网络
- 利用RBF和BP神经网络中的工具箱函数去做函数逼近，(Making use of RBF neural network to do function approximation)
遗传算法优化RBF神经网络
- 遗传算法优化RBF神经网络逼近非线性函数，具有较好的效果(Genetic algorithm, optimization, RBF neural network, approximation)
RBF遗传优化
- 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
基于RBF网络逼近的自适应控制
- 基于RBF网络逼近的自适应控制，含有详细内容讲解，仿真实例以及详细的MATLAB代码(RBF network approximation based adaptive control, including detailed explanations, simulation examples, as well as detailed MATLAB code)
rbf
- 通过给出目标变量的自变量的值，训练其函数关系式，得到自变量和因变量之间的关系(By giving the value of the independent variable of the target variable, the function relation is trained, and the relationship between the independent variable and the dependent variable is obtained)
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
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)
模型分块逼近的机器人RBF网络自适应控制
- 对于模型分块逼近的机器人RBF网络的自适应控制仿真程序(An Adaptive Control Simulation Program of Robot RBF Network for Model Blocking Approximation)
RBF神经网络逼近非线性函数
- 利用径向基神经网络逼近非线性函数，MATLAB编程实现，给出训练误差(Radial basis function neural network is used to approximate nonlinear functions. MATLAB programming is implemented to give training error.)
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