搜索资源列表
RBFnn
- 利用matlab语言实现的RBF神经网络建模例子，对学习RBF建模很有帮助-using Matlab language RBF neural network modeling example, to learn modeling helpful RBF
RBF_matlab
- rbf神经网络的建模与matlab程序与simulink的仿真-rbf neural network modeling and procedures and Matlab Simulink simulation
rbf_pca
- 先运用pca找到主要的影响变量，然后用rbf神经网络建模-First use PCA to find the impact of major variables, and then use the rbf neural network modeling
RBFnonlinearsystemmodeling
- 用RBF网络进行非线性系统建模，未使用matlab工具箱-RBF networks with non-linear system modeling
RBF.m
- rbf RBF网络用于建模 ，过程很适合初学者懂的。很详细，很容易的！-RBF RBF network used for modeling, process is suitable for beginners understand. Very detailed, easy!
RBFfeixianxing
- 基于RBF神经网络对传感器的非线性系统用MATLAB软件进行仿真建模程序-Based on RBF neural network to nonlinear system of the sensor with MATLAB simulation modeling software program
6_dof-rbf-_model
- 给出了机械手的数学建模，实现rbf自适应控制建模和控制器，最后通过matlab程序仿真实现。-The mathematical modeling of robot to achieve the rbf adaptive control modeling and controller, and finally through simulation matlab program to achieve.
BP-curve-in-MATLAB
- 该压缩包包含神经网络在MATLAB里的应用： 1、非线性函数拟合 2、RBF网络-非线性函数回归 3、粒子群算法非线性极值寻优 4、神经网络极值寻优 5、神经网络建模自变量降维 6、BP网络-非线性函数回归-The archive contains neural network in MATLAB: 1, non-linear function fitting 2, RBF network- 3 nonlinear function regression, nonline
matlab-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, can handle regular system are difficult to resolve, with good generalization ability,
fuzzy-rbf
- 结合模糊和径向基的综合算法，可建模仿真，需要的可以下载-And RBF fuzzy comprehensive algorithm, modeling and simulation, need can be downloaded
代码
- MATLAB 代码 第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章 遗传算法优化BP神经网络——非线性函数拟合 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章 RBF网络的回归--非线性函数回归的实现 ....等58章(MATLAB code The first
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
- 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