搜索资源列表
TheResearchOnRBFFuzzyNeuralNetworkofElectrohydraul
- 采用模糊RBF神经网络对柴油机油门执行器位置进行控制，介绍了电液调速执行器的动态特性，设计了电液调速控制回路，本文将一种基于模糊RBF神经网络的PID控制器应用于柴油机调速控制当中，详细说明了模糊RBF神经网络控制器的设计过程，它结合了传统PID以及神经网络和模糊控制的优点，可以在线调整得到一组最优的PID控制参数。仿真结果表明该系统比传统模糊控制的响应速度快、超调小，且适应性强，具有推广价值。-fuzzy RBFNN right Diesel throttle actuator positio
immunity
- 针对实际对象数学模型不明确而难以控制的问题,采用人工免疫网络的离散模 型与学习算法,将人工免疫系统与神经网络结构的优势相结合,提出了一种基于人工免疫 网络的模式识别算法,构造了对象识别的人工免疫网络模型.该算法综合了网络节点的定 位与参数调整以及对基函数的平滑因子实施调谐等功能,有效地解决了径向基函数 (RBF)神经网络模式识别的两个阶段任务,使模式识别的精度有较大的改进.采用两个不 同对象函数进行的仿真试验表明,该算法具有快速收敛性与较高的准确性. -Mathemati
looms
- 留一模型选择法leave-one-out model selection，适合支持向量机分类和回归时进行参数选择。-looms uses a slightly modified BSVM to perform model selection on binary classification problems. Currently the RBF kernel is supported.
GImpprovedSVVe
- 将遗传算法(GA)与传统SVM算法结合，构造出一种参数最优的进化SVM(GA2SVM)，SVM 模型使用径向基函数(RBF))作为核函数，运用格雷码编码方式对SVM算法的模型参数进行遗传编码与优化搜索，，将搜索到的优化结果作为SVM 的最终模型参数。 -Genetic algorithm (GA) combined with the traditional SVM algorithm to construct a parameter of the evolution of the optim
PSO-RBF-5
- 一个基于粒子群优化径向基神经网络参数的程序-A radial basis function neural network parameters based on particle swarm optimization program
RBF
- RBF神经网络：rbf原理：所谓径向基函数(Radial Basis Function 简称 RBF），就是某种沿径向对称的标量函数。通常定义为空间中任一点x到某一中心xc之间欧氏距离的单调函数，可记作 k(||x-xc||），其作用往往是局部的，即当x远离xc时函数取值很小。最常用的径向基函数是高斯核函数，形式为 k(||x-xc||)=exp{- ||x-xc||^2/（2*σ）^2） } 其中xc为核函数中心，σ为函数的宽度参数，控制了函数的径向作用范围。在RBF网络中，这两个参数往往是可
RBF_PID
- 通过matlab软件，基于RBF神经网络控制，在线调整PID控制参数，希望相互学习了解。-By matlab software, based on RBF neural network control, on-line tuning PID control parameters, want to learn about each other.
bpfit
- 使用BP神经网络实现一个函数的拟合，效果没有SVM和RBF的效果好，不顾还是可以用的，注意某些参数的调节。-Use BP neural network function fitting, no effect of SVM and RBF effect, despite still can be used, pay attention to adjust certain parameters.
rbfpid
- 基于RBF径向基网络的pid参数整定s函数程序(PID parameter tuning s function program based on RBF radial basis function network)
模拟退火算法
- 提出了一种基于粒子群优化(PSO)算法的径向基(RBF)网络参数优化算法,首先利用减聚类算法确定网络径向基函数中心的个数,再用PSO算法优化径向基函数的中心及宽度,最后用PSO算法训练隐含层到输出层的网络权值,找到神经网络权值的最优解,以达到优化神经网络学习的目的。最后,通过一个实验与最小二乘法优化的神经网络进行了比较,验证了算法的有效性。(Particle swarm optimization (PSO) optimization of RBF network)