搜索资源列表
r43
- 鲁棒控制器设计，由于RBF网络可以实现任意逼近的非线性关系，它的目标是要做到误差平方和最小，与非线性PCA的目标一致，所以上述非线性PCA的模型可以通过采用两个RBF网络来实现非线性正变换 和反变换 。RBF网络是一个三层前馈网络，隐层采用径向基函数作为激励函数。第一个RBF网络把高维空间的数据映射到低维空间（如图4），第二个RBF网络将前面网络输出的低维空间数据再映射到高维空间，实现数据恢复(如图5)。这两个网络分别进行训练。-robust controller design, as RBF
RBFtidu
- 这是一个用RBF神经网络用梯度算法实现的一个函数逼近源代码-This is a use of RBF neural network algorithm with gradient function approximation of a source code
rbf-sin
- RBF网络逼近sin函数的程序，调试过了，很好用-RBF network approximation sin function procedures, debugging, and good with
RANEKF
- matlab程序，自己写的，仅供参考。 RANEKF算法是针对RAN算法网络收敛速度慢的缺点进行改进，例子为神经网络（RBF）对非线性函数的逼近。-matlab program, written for reference only. RANEKF algorithm disadvantage of slow the RAN algorithm network convergence speed improvements, for example, neural network (RBF)
net-work
- 基于BP和RBF的函数逼近编程及仿真，含仿真结果和分析比较-Approximation programming and simulation-based BP and RBF functions, including analysis of the simulation results and compare
rbf
- rbf网络非线性的研究，RBF作为隐单元的“基”构成隐含层空间，这样就可以将输入矢量直接（即不需要通过权连接）映射到隐空间。基于神经网络的非线性回归系统,就是应用神经网络能逼近任意非线性函数这一特性而设计的。用于非线性函数逼近的前向神经网络主要有两种:BP 网络和RBF 网络。基于BP 网络的非线性函数逼近虽然在理论上是可行的,-Research rbf network nonlinear
rbf-Neural-Networks
- rbf神经网络的一些基本应用方法，以及对其函数逼近能力的相关分析等等。-rbf Neural 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)