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。本站提供266个精选RBF相关资源,包括教程、案例分析及实用工具等,助力您深入理解并灵活运用这一关键技术。
因其核函数的良好性态,RBF核SVM(RBF-SVM)在实际应用中表现出良好的学习性能,但是RBF核函数中的参数对SVM的性能起决定性作用.阐述了RBF-SVM的性能随着变化而变化的规律,并将RBF-SVM引入自动羽绒识别系统中.根据自动羽绒识别系统的实际需求和RBF-SVM的性能变化规律,论述了本...
📅
👤 zhengzg
《贝斯方法与Dempster_Shafer证据理论的讨论》《RBF神经网络与证据理论相结合的特征级信息融合方法的研究》...
📅
👤 wpt
此源代码是用MATLAB训练RBF网络,用的是数据中心聚类法,算法中没有用MATLAB中的训练函数...
📅
👤 dongqiangqiang
此源代码仍然是训练RBF网络的,但用的算法是梯度下降法,算法仍然是自己写的...
📅
👤 wpwpwlxwlx
有关MATLAB的RBF文件,压缩包解压时不能有密码...
📅
👤 qweqweqwe