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...
RBF 全部资料 265 份
基于S函数的RBF神经网络PID控制器
RBF神经网络在分类问题中得到了广泛的应用,尤其是模式识别的问题。许多模式识别实验证明,RBF具有更有效的非线性逼近能力,并且RBF神经网络的学习速度较其他网络快。本文在具有复杂控制规律的S函数构造方法的基础上,给出了基于...
采用滑模控制和RBF网络来控制对象
采用滑模控制和RBF网络来控制对象,采用等效滑模控制的方法,即根据系统的确定部分计算出等效控制量,同时利用一个RBF网络对系统的不确定部分进行补偿得到切换控制量。
RBF神经网络中指数函数e的FPGA实现
RBF 径向基神经网络在工程中,尤其是各种智能控制中的应用十分广泛。其隐含层的非线性激活函数经常采用高斯径向基函数,这一函数为一指数函数。指数函数用硬件实现起来比较困难。本文提供了一种应用CO
基于改进RBF神经网络的电力负荷预测
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。
PID控制基于混沌RBF网络在炉灶的应用
Introduces the ceramic stove controlling system controlled by MSP430 single-chip computer. The syste
基于RBF神经网络的短期电力负荷预测
研究了天气和特殊事件对电力负荷的影响,建立了结合径向基函数神经网络来进行短期负荷预测的模型。将温度、降雨量运用于径向基函数神经网络中,提高了训练的可信度和可靠性。利用该模型编排的实用化软件投入到了实际