RBF神经网络

基于优化的RBF神经网络模式识别的新方法

一个介绍径向基神经网络的视频,适合初学这学习,( 神经网络 RBF 径向基)这是视频的第五部分。

静止无功发生器(SVG)是一种广泛应用的动态无功补偿装置,其一般采用传统的ipiq运算方式进行无功谐波电流检测。传统的ip-iq电流检测方法存在检测相位滞后和误差等问题,造成补偿效果不理想。在分析无功

传统瓦斯涌出量预测方法存在一定的局限性,预测精度不能满足要求。为了提高瓦斯涌出量预测精度,采用RBF神经网络对瓦斯涌出量相关数据进行建模。通过训练13组样本,对5组数据进行预测,分析了隐层神经元个数对

好用的RBF神经网络波束形成小程序,学会使用神经网络中比BP神经网络更优秀的RBF径向基函数神经网络进行深度学习,优化波束形成中MVDR算法的最优权向量,从而达到波束形成的优化,在雷达通信,水下通信中

基于k-means、OLS、gredient、神经网络工具箱等七种方法设计RBF神经网络，编写了RBF神经网络算法程序，为相关研究人员提供一个参考

在论述RBF径向基神经网络基本理论的基础上,给出利用MATLAB神经网络工具箱开发RBF网络的主要函数,并应用于函数逼近的设计及仿真。

径向基函数神经网络的构造需要确定每个RBF的中心、宽度和数目。该文利用改进的聚类算法自动构造RBFN，考虑样本的类别属性，根据样本分布自动计算RBF的中心和宽度，并确定RBF的数目。所有的网络参数采用

该matlab程序为系统学习基于RBF神经网络的PID自适应控制所写，优化算法为梯度下降法，代码可以实现输入输出数据的产生，RBF神经网络权值、结点、基宽的自适应调节，PID参数的自整定。

利用RBF网络（隐含层神经单元个数和学习率等参数可在内部修改，不作为输入参数）学习和训练，并对输入的测试样本做出响应。 输入和输出维数可以多维。 实际运行，逼近y=sin(t)函数效果不错。