搜索资源列表
RBF
- RBF神经网络函数逼近源程序，用于函数逼近。
RBF
- 主要完成对RBF网络用于函数逼近的功能,是一种在逼近能力、分类能力和学习速度等方面均优于BP网络的网络。
rbf
- rbf实现函数逼近，实现局部最优，经过测试
RBF
- 应用matlab编写的RBF神经网络算法，任意非线性函数逼近-Applications written in matlab RBF neural network algorithm, any nonlinear function approximation
7868RBF_classification
- rbf实现函数逼近，调试通过的，仅供大家参考-rbf realization of function approximation, debugging adopted for your reference
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
GA_RBF
- 用遗传算法优化RBF网络参数,减小RBF网络在函数逼近中的误差-Using genetic algorithm to optimize parameters of RBF network, reducing the RBF Network in Function Approximation Error
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.
RBFFunction
- RBF网络用于函数逼近，未使用matlab工具箱，程序应用效果良好-RBF network for function approximation is not used matlab toolbox, the application of effective procedures
Optimization_of_RBF_Network
- Matlab粒子群算法优化RBF网络 采用了粒子群算法对RBF神经网络中的参数进行了优化，在测试程序中验证了经过粒子群算法优化的RBF神经网络的函数逼近能力比未经过优化的逼近能力强-Matlab PSO RBF network optimization using particle swarm optimization on RBF neural network parameters are optimized, in the test procedures and verified thr
pptOfGeneticAlgorithm
- 讲述了遗传算法的基本原理、特点、应用领域、优化设计、应用等 例：1.基于遗传算法优化的RBF网络逼近 2.遗传算法求函数极值-About the basic principles of genetic algorithms, characteristics, applications, and optimize the design, application and other cases: 1. Based on genetic algorithm optimization of R
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
mat121
- 用工具箱实现正弦函数的逼近，BP逼近与RBF的逼近
rbf
- RBF网络逼近函数子程序-RBF network approximation function subroutine
radial-basis-function-network
- 用于函数逼近的径向基逼近和差值，是一个基础函数，包括高斯及二项式两种，可拓展到多个应用领域-Radial basis functions are use for function approximation and interpolation. This package supports two popular classes of rbf: Gaussian and Polyharmonic Splines (of which the Thin Plate Spline is a subcla
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)
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
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