搜索资源列表
RBF-nn
- 4输入层,3隐层,2输出层的RBF神经网络分类器 附有测试和训练样本-four input layer, hidden layer 3, the output layer 2 RBF neural network classifiers with testing and training samples
RBF
- RBF神经网络用于分类与回归,有效实现RBF网络
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神经网络用于分类
- 这是RBF神经网络用于分类决策的matlab代码
RBF_BONUS_FORE
- 用径向神经网络对股票走势进行预测,效果不错-Using RBF to forecast stock
3
- 关于rbf神经网络实现图像分类的IEEE英文文献 和大家一起分享-Image Classification using a Module RBF Neural Network
nn
- 线性神经网络,BP神经网络,Hopfield神经网格,Elman神经网络,RBF神经网络;在模型应用模块中实现了六种实际应用:RBF网络的船用柴油机故障诊断,BP网络的齿轮箱故障诊断,SOM网络的回热系统故障诊断,BP网络的设备状态分类器,SOM网络的人口比例样本分类,SOM网络的土壤性状样本分类。-Linear neural network, BP neural network, Hopfield neural network, Elman neural network, RBF neural
kmeans_rbf
- 一个简明的基于聚类的RBF(径向基)神经网络设计算法-A simple clustering-based RBF (Radial Basis Function) neural network design algorithm
ARBF
- 自适应RBF网络用于电价预测,根据训练数据自动确定分类数,不需要人工确定。-Adaptive RBF Network for price forecasting!
NeuralNetwork_RBF
- RBF神经网络用于分类与回归,非常实用,强烈建议下载-RBF neural network for classification and regression, very practical, it is strongly recommended to download
psoRBF
- 粒子群优化算法优化RBF神经网络程序,可用在模式分类等方面-Particle swarm optimization algorithm optimization RBF neural network program can be used in pattern classification, etc.
RBF_Network
- 用RBF神经网络算法对样本数据进行分类,再对训练数据进行分类的程序-RBF net-work used in classification
1
- 关于rbf神经网络实现图像分类的IEEE英文文献 和大家一起分享-A Technique for the Selection of Kernel-Function
12
- 关于rbf神经网络实现图像分类(主要针对遥感图像)的IEEE英文文献-Land-cover Supervised Classification
28
- 关于rbf神经网络实现图像分类的优化算法英文文献 源于著名期刊I-Radial Basis Function Neural Networks
55
- 由MLP和RBF神经networksTexture分析图像分类的监督和检测校正-Texture Analysis for Correcting and Detecting
rbf_1_03
- 径向基神经网络的编程基础应用,仿真结果良好-RBF
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神经网络用于三分类 完整matlab算法 可运行(RBF neural network for three classification Complete matlab algorithm Executable)
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