基于多元线性回归、偏最小二乘、神经网络、卡尔漫滤波、径向基网络、主成分分析等等的程序。可用于建模和预测。
上传时间： 2014-01-05
上传用户：siguazgb
矩量法求解半波天线 使用GARGLIN 方法 权函数和基函数都是三维格林函数
上传时间： 2014-11-06
上传用户：pompey
基于遗传算法对rbf神经网络的径向基宽度进行优化的matlab程序
上传时间： 2014-01-22
上传用户：Divine
径向基人工神经网络 回归分析 范例，简单实用
上传时间： 2013-12-20
上传用户：lanhuaying
径向基神经网络,使用的算法梯度下降法,比较清晰,适合于初学神经网络的用户
上传时间： 2014-01-06
上传用户：JasonC
遗传算法优化RBF径向基神经网络的matlab程序源代码。
上传时间： 2017-09-15
上传用户：youlongjian0
粒子群算法、遗传算法优化RBF径向基神经网络。
上传时间： 2017-09-17
上传用户：熊少锋
该文研究了无刷直流电机的无位置传感器控制理论、转矩波动抑制方法、数字仿真算法和DSP控制技术.首先,该文介绍了无刷直流电机无位置传感器控制原理,比较了目前几种常用的无位置传感器控制方法,提出了基于径向基函数（RBF）神经网络的无位置传感器控制方法.通过离散化位置信号的映射方程,得到网络的基本输入输出,网络的输出通过逻辑处理,处理后的结果作为电机控制信号,同时也作为网络的训练教师.采用在线学习和离线学习两种方式训练网络,并详细介绍了两种方式的算法;其次,该文概述了无刷直流电机转矩波动的产生原因,重点分析了换相转矩波动产生的原理,提出了基于误差反传（BP）神经网络的转矩波动抑制新方法.采用两个结构相同三层网络,建立了电压自校正调节器,对电机端电压进行瞬时调节,保持电路中电流幅值不变,实现了转矩波动的自适应调节.另外,该文推导了较全面的电机数学模型,重点研究了无刷直流电机仿真中的几个关键技术,包括气隙磁场的建立、位置信号的模拟、中心点电压的计算、二极管续流状态的实现以及PWM电流控制的仿真.采用面向对象程序设计（OOP）方法,设计了多功能的仿真软件SIMOT.最后该文介绍了数字信号处理器（DSP）TMS320LF2407的结构和性能,给出了PWM控制和A/D转换的算法,采用反电势法原理实现了无位置传感器控制,并给出了相关的实验结果.
上传时间： 2013-07-14
上传用户：klds
开关磁阻电机(SwitchedReluctanceMotor，SRM)具有结构简单、工作可靠、效率高和成本较低等优点，在很多领域都显示出强大的竞争力，但是位置传感器的存在不仅削弱了SRM结构简单的优势，而且降低了系统高速运行的可靠性，增加了成本，探索实用的无位置传感器检测转子位置的方案成为开关磁阻电机驱动系统(SwitchedReluctanceMotorDrive，SRD)研究的热点。SRM高度非线性的电磁特性决定了在精确的数学模型基础上实现无位置传感器控制十分困难，而人工神经网络的出现为解决这个问题提供了新的思路。径向基函数(RadialBasisFunction，RBF)神经网络是一种映射能力极强的前向型神经网络，具有收敛速度快、全局逼近能力强等优点。本文提出一种利用自适应RBF神经网络对SRM进行控制的新方法，所采用的RBF神经网络以电机绕组的相电流、磁链作为输入，转子位置作为输出，通过离线和在线相结合的方法对网络进行训练，建立SRM电流、磁链与转子位置之间的非线性映射，从而实现SRM的无位置传感器控制。 常规的PID控制以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛采用。在系统模型参数变化不大的情况下，PID控制效果良好，但当被控对象具有高度非线性和不确定性时，仅靠PID调节效果不好。对于SRM，它的电磁关系高度非线性，固定参数的PID调节器无法得到很理想的控制性能指标。论文提出了一种基于RBF神经网络在线辨识的SRM单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性，利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器，不但结构简单，而且能适应环境变化，具有较强的鲁棒性。同时构造了一个RBF网络对系统进行在线辨识，建立其在线参考模型，由单神经元控制器完成控制器参数的自学习，从而实现控制器参数的在线调整，能取得更好的控制效果。 仿真及实验结果表明，自适应RBF神经网络能够实现电机的准确换相，从而实现了电机的无位置传感器控制；基于RBF神经网络在线辨识的单神经元自适应控制能够达到在线辨识在线控制的目的，控制精度高，动态特性好，具有较好的自适应性和鲁棒性。
上传时间： 2013-04-24
上传用户：skfreeman
为了提高电力系统负荷预测的精度与速度的需求，提出使用交替梯度算法改进径向基函数（RBF） 神经网络， 对天津市电网进行负荷预测。改进的算法与传统梯度下降算法相比，具有更快的收敛速度和更高的预测精度。 仿真结果表明该算法具有可行性。
上传时间： 2013-10-31
上传用户：waixingren
