RBF
径向基函数（RBF）网络是一种强大的神经网络模型，以其在非线性分类与回归任务中的卓越性能而闻名。广泛应用于模式识别、信号处理及控制系统设计等领域，RBF能够有效解决复杂的数据拟合问题。对于致力于提升算法精度和系统响应速度的电子工程师而言，掌握RBF技术不仅有助于优化现有项目，还能激发创新灵感。本站提...
资源总数
265
RBF 热门资料
查看全部 265 份 →基于PSO和RBF神经网络的水声信号建模与预测
为构建径向基函数神经网络模型，以相空间重构理论为基础，提出基于粒子群的自动搜索算法，并以Logistic映射和水声信号作为研究对象，把该算法与同类算法进行比较。实验结果表明，该算法在训练准确率和收敛速
2024-02-17
2
一种在线变结构RBF算法在内模控制中的应用
将一种在线变结构径向基函数网络训练算法应用到内模控制中，对如何利用径向基函数网络辨识被控对象内部模型和控制器模型进行了较为深入的分析并给出了具体的迭代学习公式。仿真结果证明了该算法对非线性动态过程是有
2024-03-23
8
一种基于RBF神经网络的传感器故障诊断方法
针对传感器故障, 提出了一种基于RBF 神经网络的集成故障诊断方法。用RBF 神经网络建立传感器故障模型, 对系统的状态和故障参数进行在线估计, 然后将故障参数与修正的Bayes分类算法(MB 算法)
2023-12-11
7
完善网络结构将RBF网络的径向基换成小波函数
完善网络结构将RBF网络的径向基换成小波函数，调整权值以及公式的变更， 可望在仿真结构中添加非奇异项以验证小波网络的辨识精度和能力，输入层加权值进行调整~..~
2014-01-08
74