可以方便利用訓(xùn)練數(shù)據(jù)建立徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)并繪制輸入-輸出網(wǎng)格圖。
資源簡(jiǎn)介：可以方便利用訓(xùn)練數(shù)據(jù)建立徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)并繪制輸入-輸出網(wǎng)格圖。
上傳時(shí)間： 2013-12-20
上傳用戶：tfyt
資源簡(jiǎn)介：利用網(wǎng)絡(luò)實(shí)現(xiàn)函數(shù)逼近 使用的主要函數(shù)如下： NEWRB——設(shè)計(jì)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) SIM——對(duì)徑向基函數(shù)網(wǎng)絡(luò)進(jìn)行仿真
上傳時(shí)間： 2014-01-15
上傳用戶：英雄
資源簡(jiǎn)介：該文檔為配電網(wǎng)線損計(jì)算徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法簡(jiǎn)介文檔，是一份很不錯(cuò)的參考資料，具有較高參考價(jià)值，感興趣的可以下載看看………………
上傳時(shí)間： 2021-11-19
上傳用戶：
資源簡(jiǎn)介：一種基于模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)控制器
上傳時(shí)間： 2013-12-23
上傳用戶：haohaoxuexi
資源簡(jiǎn)介：簡(jiǎn)介的神經(jīng)網(wǎng)絡(luò)和人工智能。并用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了某函數(shù)，以及MATLAB仿真遺傳算法MATLAB仿真
上傳時(shí)間： 2014-01-06
上傳用戶：evil
資源簡(jiǎn)介：全結(jié)構(gòu)遺傳優(yōu)化徑向基概率神經(jīng)網(wǎng)絡(luò).這個(gè)算法訓(xùn)練的速度可能會(huì)慢一些.
上傳時(shí)間： 2014-01-02
上傳用戶：heart520beat
資源簡(jiǎn)介：一個(gè)基于MATLAB的徑向基的神經(jīng)網(wǎng)絡(luò)源程序
上傳時(shí)間： 2015-06-15
上傳用戶：leehom61
資源簡(jiǎn)介：最大絕對(duì)誤差結(jié)合微遺傳算法優(yōu)化徑向基概率神經(jīng)網(wǎng)絡(luò).目前為止,優(yōu)化RBPNN最好的算法.
上傳時(shí)間： 2013-12-20
上傳用戶：semi1981
資源簡(jiǎn)介：基于徑向基的神經(jīng)網(wǎng)絡(luò)程序。根據(jù)目標(biāo)函數(shù)獲得樣本輸入輸出
上傳時(shí)間： 2016-12-20
上傳用戶：yzy6007
資源簡(jiǎn)介：徑向基人工神經(jīng)網(wǎng)絡(luò) 回歸分析 范例，簡(jiǎn)單實(shí)用
上傳時(shí)間： 2013-12-20
上傳用戶：lanhuaying
資源簡(jiǎn)介：本代碼為基于matlab的求解偏微分方程的利用徑向基函數(shù)的無網(wǎng)格方法的源碼
上傳時(shí)間： 2014-01-20
上傳用戶：coeus
資源簡(jiǎn)介：講解了神經(jīng)網(wǎng)絡(luò)個(gè)徑向基函數(shù)兩個(gè)程序下載,可以應(yīng)用
上傳時(shí)間： 2015-10-28
上傳用戶：comua
資源簡(jiǎn)介：這是一個(gè)用單片機(jī)控制網(wǎng)卡傳輸?shù)某绦?集成了TCP/IP協(xié)議,使用硬件為89C51+RTL8019,另外傳輸另一端是計(jì)算機(jī)串口,可以方便的實(shí)現(xiàn)數(shù)據(jù)驗(yàn)證
上傳時(shí)間： 2013-12-22
上傳用戶：bibirnovis
資源簡(jiǎn)介：這是一個(gè)徑向基函數(shù)網(wǎng)絡(luò)MATLAB的源程序,用于兩類線性不可分的數(shù)據(jù)的分類
上傳時(shí)間： 2014-01-21
上傳用戶：ve3344
資源簡(jiǎn)介：將遺傳算法(GA)與傳統(tǒng)SVM算法結(jié)合,構(gòu)造出一種參數(shù)最優(yōu)的進(jìn)化SVM(GA2SVM),SVM 模型采用徑向基函數(shù)(RBF)作為核函數(shù)，利用格雷碼編碼方式對(duì)SVM算法的模型參數(shù)進(jìn)行遺傳編碼和優(yōu)化搜索，將搜索到的優(yōu)化結(jié)果作為SVM 的最終模型參數(shù)。
上傳時(shí)間： 2014-08-08
上傳用戶：cccole0605
資源簡(jiǎn)介：徑向基函數(shù)網(wǎng)絡(luò)應(yīng)用實(shí)例
上傳時(shí)間： 2015-03-08
上傳用戶：zhangyi99104144
資源簡(jiǎn)介：一個(gè)利用vc編成的倒傳遞類神經(jīng)網(wǎng)絡(luò)內(nèi)容包含到數(shù)層的神經(jīng)網(wǎng)絡(luò)編寫 使用者可以清楚了解BP
上傳時(shí)間： 2013-12-29
上傳用戶：chens000
資源簡(jiǎn)介：用徑向基函數(shù)實(shí)現(xiàn)的信道自適應(yīng)均衡，一個(gè)比較簡(jiǎn)單的例程
上傳時(shí)間： 2013-12-21
上傳用戶：上善若水
資源簡(jiǎn)介：網(wǎng)上下的一個(gè)關(guān)于徑向基函數(shù)網(wǎng)絡(luò)應(yīng)用實(shí)例，希望大家能有用
上傳時(shí)間： 2014-12-01
上傳用戶：tianyi223
資源簡(jiǎn)介：基于RBF神經(jīng)網(wǎng)絡(luò)整定的PID控制 徑向基函數(shù)具有單隱居的三層前饋網(wǎng)絡(luò)。是—種局部逼近網(wǎng)絡(luò)，己證明它能以任意精度逼近杠意連續(xù)函數(shù)。
上傳時(shí)間： 2016-01-22
上傳用戶：hewenzhi
資源簡(jiǎn)介：一種BP神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)網(wǎng)絡(luò)的VC源代碼
上傳時(shí)間： 2016-03-19
上傳用戶：lanhuaying
資源簡(jiǎn)介：利用主成分分析法對(duì)BP神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)進(jìn)行降維，然后進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，PCA-BP處理的結(jié)果同單一的bp相比，不僅提高了網(wǎng)絡(luò)的收斂速度，而且提高了網(wǎng)絡(luò)對(duì)預(yù)測(cè)數(shù)據(jù)分類的精度
上傳時(shí)間： 2016-05-22
上傳用戶：ukuk
資源簡(jiǎn)介：用徑向基函數(shù)法實(shí)現(xiàn)模式分類，自動(dòng)選擇最佳隱含層書目，并給出差準(zhǔn)率和差全率。
上傳時(shí)間： 2013-12-21
上傳用戶：cooran
資源簡(jiǎn)介：基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)文本自動(dòng)分類系統(tǒng)。
上傳時(shí)間： 2014-01-24
上傳用戶：pinksun9
資源簡(jiǎn)介：matlab實(shí)現(xiàn) 感應(yīng)器神經(jīng)網(wǎng)絡(luò)、線性網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)
上傳時(shí)間： 2014-01-03
上傳用戶：894898248
資源簡(jiǎn)介：rbf神經(jīng)網(wǎng)絡(luò)的matlab程序此程序用到matlab中關(guān)于徑向基函數(shù)的程序
上傳時(shí)間： 2017-04-07
上傳用戶：拔絲土豆
資源簡(jiǎn)介：徑向基函數(shù)
上傳時(shí)間： 2017-04-25
上傳用戶：moerwang
資源簡(jiǎn)介：網(wǎng)絡(luò)神經(jīng)算法中,用徑向基函數(shù)實(shí)現(xiàn)的最快梯度下降法
上傳時(shí)間： 2013-12-18
上傳用戶：yzy6007
資源簡(jiǎn)介：是關(guān)于徑向基函數(shù)的matlab程序,希望能夠幫助初學(xué)者
上傳時(shí)間： 2013-12-21
上傳用戶：dancnc
資源簡(jiǎn)介：本文首先介紹了有源電力濾波器的基本結(jié)構(gòu)和工作原理，并對(duì)一些常規(guī)的諧波電流檢測(cè)方法的優(yōu)缺點(diǎn)進(jìn)行了比較。其次，針對(duì)傳統(tǒng)的諧波電流檢測(cè)方法的缺陷，提出將神經(jīng)網(wǎng)絡(luò)與基于噪聲抵消原理的自適應(yīng)諧波檢測(cè)相結(jié)合，利用徑向基函數(shù)運(yùn)算量小、收斂快、無局部極小值...
上傳時(shí)間： 2017-07-27
上傳用戶：腳趾頭
