搜索资源列表
svm-rbf-demo
- SVM的例子程序，使用RBF，garma值为0.5。专业人士可以参考。有搞SVM参数优化的人我们可以一起讨论-SVM example, the use of RBF, garma value of 0.5. Professional reference. SVM engage with the optimization of parameters we can discuss
@rbf
- 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,论述了本系统中参数的选取依据和选取过程,并且给出了的相关曲线变化图.通过研究,最后得到适合本系统的识别模型,从而提高了系统的总体识别率.同时,也验证
遗传rbf网络--基于mfcc参数
- 我懂得还很少，但是我所传的是我自己编写的关于用遗传算法实现语音识别的东西，欢迎批评指正-I know very little, but I have of myself prepared on Genetic Algorithms Speech Recognition things, welcome criticism correction
NonRBFModel
- 提出了一种RBF网非线性动态系统在线建模的资源优化网络(RON)方法．RON 在资源分配网络的学习过程中引入了滑动窗口和网络结构在线优化的思想，使网络能根据最 近一段时间内的误差信息自动实现网络结构优化，从而使RBF网既能在线适应对象的变化， 又能使网络规模维持在较小水平，并保证了网络的泛化能力．使用滑动窗口技术使RON对学 习参数变化具有较好的鲁棒性，并更易收敛．三个标准例子演示了算法的有效性．-presents a
svm-rbf-demo
- SVM的例子程序，使用RBF，garma值为0.5。专业人士可以参考。有搞SVM参数优化的人我们可以一起讨论-SVM example, the use of RBF, garma value of 0.5. Professional reference. SVM engage with the optimization of parameters we can discuss
GA_SVM
- GA/SVM 程序包含三个文件： 1。MainGA12.m 2。selectGA12.m 3。svmc12.m MainGA12.m是主文件，其余两个是被调用文件。 MainGA12.m里主要设置有关参数。 ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ MainGA12.m文件有关设置的说明： 12行： host= \gatest\ ％在matlab的安装盘,例如c:\下设置的程序运行结果目录。 -
ImprovedSVM
- 将遗传算法(GA)与传统SVM算法结合,构造出一种参数最优的进化SVM(GA2SVM),SVM 模型采用径向基函数(RBF)作为核函数，利用格雷码编码方式对SVM算法的模型参数进行遗传编码和优化搜索，将搜索到的优化结果作为SVM 的最终模型参数。-Genetic algorithm (GA) combined with the traditional SVM algorithm, a kind of tectonic evolution
@rbf
- 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,论述了本系统中参数的选取依据和选取过程,并且给出了的相关曲线变化图.通过研究,最后得到适合本系统的识别模型,从而提高了系统的总体识别率.同时,也验证
pid
- :针对当前电力机车调速系统存在的一些问题，简要分析了直流电力机车调速原理，提出了 控制系统的硬件结构，并且设计出Fuzzy + PID复合结构的控制器，提高了控制系统的动态响应速 度和稳态误差 同时利用RBF神经网络自整定PID参数解决了PID控制中的参数整定问题-err
AdaptivePIDcontrolbasedonRBFIdentification
- 结合rbf 的pid控制原码 可仿真实现 结果有误差曲线 跟踪曲线 参数整定曲线等-Rbf combination of the pid control source can realize the results of simulation have tracking error curve curve curve parameter tuning, etc.
PSO_file
- 有关用粒子群算法ＰＳＯ优化ＲＢＦ网络参数的资料，有一定参考价值-In connection with the Particle Swarm Optimization PSO information RBF network parameters, has a certain reference value
immunity
- 针对实际对象数学模型不明确而难以控制的问题,采用人工免疫网络的离散模 型与学习算法,将人工免疫系统与神经网络结构的优势相结合,提出了一种基于人工免疫 网络的模式识别算法,构造了对象识别的人工免疫网络模型.该算法综合了网络节点的定 位与参数调整以及对基函数的平滑因子实施调谐等功能,有效地解决了径向基函数 (RBF)神经网络模式识别的两个阶段任务,使模式识别的精度有较大的改进.采用两个不 同对象函数进行的仿真试验表明,该
RBF
- 利用RBF进行时间序列的预测，可用于故障诊断中的参数估计和预测-Use of RBF for time series prediction can be used for fault diagnosis of parameters estimates and projections
GA_RBF
- 用遗传算法优化RBF网络参数,减小RBF网络在函数逼近中的误差-Using genetic algorithm to optimize parameters of RBF network, reducing the RBF Network in Function Approximation Error
Optimization_of_RBF_Network
- Matlab粒子群算法优化RBF网络 采用了粒子群算法对RBF神经网络中的参数进行了优化，在测试程序中验证了经过粒子群算法优化的RBF神经网络的函数逼近能力比未经过优化的逼近能力强-Matlab PSO RBF network optimization using particle swarm optimization on RBF neural network parameters are optimized, in the te
rbf
- 用rbf网络 实现神经网络学习算法 可以在matlab直接运行 其中有些参数可以自由根据情况改动-rbf
xunorbf
- 用rbf神经网络对经提取得到的信号特征参数进行信号的模式识别。-Rbf neural network by using extracted parameters of the signal characteristics of the signal pattern recognition.
RBF
- 运用常规的PID控制算法很难达到人们所要求的控制效果。采用改进的BP神经网络算法进行改进具有以任意精度逼近非线性函数的能力，而且通过它的自身的学习，可以找到某一最优控制率下的PID控制器参数，使其具有更好的鲁棒性和自适应的能力。-Using conventional PID control algorithm is difficult to live up to the required control effect. The impr
RBF
- 径向基函数插值使用一系列基函数，它们在每个采样点对称且居中。径向基函数是一类特殊的函数，其主要特征是它们的响应与中心点的距离单调地减小（或增加）。中心、距离刻度和精确的形状是模型的参数。(Radial Basis Function interpolation with biharmonic, multiquadric, inverse multiquadric, thin plate spline, and Gaussian basis
rbf
- RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局逼近网络的学习速