搜索资源列表
rbf
- 多输入多输出的rbf神经网络，可以仿真出结果。-Multiple input multiple output of the RBF neural network, can the simulation results
rbf_underwater
- 径向基网络预测地下水位,采用多输入单输出的方法-RBF neural network forecasting of groundwater，Multi-input single-output method
RBF_FZ
- 本程序为RBF神经网络预测。输入量为多个，输出为单个，可根据自己需求进行修改。预测效果明显，较为实用。-This procedure is RBF neural network prediction. The input quantity is many, the output is a single, may according to own need to carry on the revision. Prediction effect is obvious, more practical.
RBFluntan
- RBF神经网络，用于实现多输入多输出状况仿真-RBF artificial neuron networks
DVMS_V4.0
- rbf神经网络例代码，供参考, RBF网络的结构与多层前向网络类似，它是一种三层前向网络。输入层由信号源结点组成；第二层为隐含层，隐单元数视所描述问题的需要而定，隐单元的变换函数是RBF径向基函数-RBF neural network example code, for your reference
RBF_NN_MIC
- 可以用于多输入单输出的RBF径向基神经网络建模。。(The RBF neural network can be used to creat the model,which can be descrided by multi input and one output)
RBF_NN_MIC
- 多输入单输出的RBF神经网络代码，matlab编写，有注释(RBF neural network code with multiple input and single output)
多输入多输出RBF神经网络MATLAB程序
- 多输入多输出的RBF神经网络训练MATLAB程序(RBF Neural Network Training with Multiple Input and Multiple Output)
RBF非线性拟合示例
- 利用matlab神经网络工具箱，实现对非线性数据的多输入多输出拟合
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
rbf500
- RBF神经网络建模，也可适用于多输入多输出(RBF neural network modeling can also be applied to multi input and multi output)