搜索资源列表
RBFNN
- Three function for RBF neural network, using OLS,Rand and SGA function [newcenter,sigma,W,yh,rmse]=rbfols(p,t,tol) p 為輸入資料點，N×K矩陣，N是輸入資料維度，K是資料點數 t 為目標輸出值，1×K矩陣 tol 為指定容忍度或正確率 centers選定中心點，N×nc矩陣 sigma為 ? 值 W為輸出層權重，nc×1矩陣 y
matlab-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, can handle regular system are difficult to resolve, with good generalization ability,
Someclassic-matlab-program
- 一些经典的matlab程序源码有MATLAB图像处理实现螺纹识别、频谱分析加汉宁窗函数、蒙特卡洛法求椭圆面积、RBF神经网络的训练等-There are some classic matlab program source code matlab image processing to achieve a thread identification, spectrum analysis of Hanning window function, Monte Carlo method for elli
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
RBF
- 基于RBF的手写数字图像识别，matlab程序，欢迎下载交流(Based on RBF handwritten digital image recognition, matlab program, welcome to download and exchange)