搜索资源列表
shenjingwangl
- 《MATLAB神经网络原理与实例精解(附光盘)》首先简要介绍了MATLAB软件的使用和常用的内置函数，随后分门别类地介绍了BP网络、径向基网络、自组织网络、反馈网络等不同类型的神经网络- Matlab neural network theory and examples of (CD-ROM) begins with a brief introduction to the use of MATLAB software an
Principle-of-neural-network
- 详细介绍了神经网络的原理及学习过程、径向基函数的选择及支持向量机的原理、前馈过程神经网络的时序处理及神经网络动态规划，有助于初学者深入了解神经网络的工作原理及运行机制。-Described in detail the neural network principle and learning process, radial basis function selection and support vector machine princ
Predicting--Using-rbf
- 径向基函数神经网络应用实例，有需要请下载。-RBF networks used, there is a need to download.
forecasting-of-groundwater-example
- 《MATLAB神经网络原理与实例精解》一书配套的径向基网络预测地下水位示例，含有完整注释。- MATLAB network principles and examples of fine nerve Solutions, a book supporting the radial basis function network forecasting of groundwater example, contains the complet
GRNN
- 本案例是采用GRNN（径向基）神经网络预测水资源量，GRNN神经网络适合于小样本、高精度预测，本实例附有数据（不全），下载者可以直接将数据更改为自己的数据便可以使用。程序中使用了交叉验证方法，使预测精度大大提高-This case is the use of GRNN (Radial Basis Function) neural network to predict the amount of water, GRNN neural ne
CHENGXU2
- rbf神经网络函数拟合。径向基函数，由样本选出固定中心值和delta-RBF neural network function fitting.Radial basis function (RBF), fixed center value chosen by the sample and the delta
RBF
- 使用RBF（径向基函数）神经网络进行函数拟合-Function fitting using RBF (radial basis function) neural network
DVMS_V4.0
- rbf神经网络例代码，供参考, RBF网络的结构与多层前向网络类似，它是一种三层前向网络。输入层由信号源结点组成；第二层为隐含层，隐单元数视所描述问题的需要而定，隐单元的变换函数是RBF径向基函数-RBF neural network example code, for your reference
RBF
- 一款基于MFC的模式识别小软件，算法为径向基函数神经网络（RBF）-A small algorithm based on MFC for pattern recognition, the algorithm is a radial basis function neural network (RBF)
PNN
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(The rate neural network, first proposed in 1989, is a branch of the RB
GA_RBF
- 利用遗传算法对RBF（径向基）神经网络的中心值和宽度进行优化。实现效果比较好，能够高精度的实现非线性逼近。(Using genetic algorithm to optimize the center value and width of RBF (radial basis) neural network. The realization effect is better, and the nonlinear approximation