提出了一种用于训练粗糙RBF神经网络(rough RBF neural networks,R-RBF)的极速学习机(extreme learning machine,ELM)方法,通过引入矩阵的Moo
一份Python编写的RBF径向基神经网络代码文件,该代码文件不仅适用于Python语言,还可以借鉴于其他编程语言。通过该代码文件,您可以学习和理解RBF神经网络的基本原理和实现方法,为您在神经网络领
31.第三十一套机器学习及其matlab实现竞争神经网络与SOM神经网络进阶与提高视频教程
水质评价的RBF神经网络应用,常欢,刘志斌,针对传统水质评价方法在权值选取上存在人为因素,本文主要应用RBF神经网络对辽河流域阜新支流的柳河、绕阳河、养息牧河三条主要河
为解决井下风速传感器获得的风速异常数据确定故障源位置问题,采用RBF神经网络方法确定可能引起各分支风速异常的分支集合,即建立通风系统故障巷道范围库,再通过对分支的灵敏度进行排序来选择故障巷道诊断的优先
针对广泛应用的有杆抽油机故障率较高的现状,提出傅立叶描述子和RBF神经网络相结合的算法判断抽油机工况。该算法基于典型示功图的几何特征,提取低频区傅里叶描述子作为特征参数,再结合上、下冲程的载荷变化量,
hslogic算法仿真-RBF神经网络预测训练 clear clc p=-1:0.1:0.9; t=load('rbf_data1.txt'); t1=clock; %开始计时 net=newff(p
采用遗传算法优化RBF神经网络,其中包括优化RBF的拓扑结构,中心点和宽度
首先提出RBF 隐层节点冗余结构, 然后分别分析在单故障和普遍故障下的网络特性, 并证明 了这种结构可以有效容错, 最后提出了实用的隐层冗余方法, 并经仿真实验证明是可行的。
采用K均值聚类算法来优化RBF神经网络的各项参数。