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 全部资料 265 份
基于SVM的改进RBF网络板形模式识别方法
为了提高带钢生产中板形模式识别精度，提出了基于支持向量机(svM)的改进径向基(RBF)网络板形模式识别方法，由SVM回归确定RBF网络优化的初始参数，解决了传统方法存在的学习时间长、易陷人局
2024-03-01
1
基于半物理仿真的RBF神经网络滑模控制
针对一类不确定时滞系统研究滑模控制的实现问题。对于实际应用对象的时滞特性采取了特殊的线性变换，将原时滞系统转化为无时滞系统。通过设计二次型性能指标计算得到了最优的切换函数，并使用RBF神经网络实现了滑
2024-03-26
9
基于RBF神经网络空间矢量法对PMSM的控制
将模糊径向基函数(f-RBF)神经网络算法用于永磁同步电机(PMSM)的速度控制。针对电机的动态和非线性特点，结合PMSM驱动的矢量控制方法, 设计了f-RBF在线辨识器和速度控制器。在Mat
2024-04-04
8