搜索资源列表
AntNet
- 一种基于蚁群聚类的径向基神经网络 提出了一种基于蚁群聚类算法的径向基神经网络. 利用蚁群算法的并行寻优特征和挥发系 数方法的自适应更改信息量的能力,并以球面聚类的方式确定了径向基神经网络中基函数的位置, 同时通过比较隐层神经元的相似性、合并相似性较为接近的2 个神经元来约简隐含层的神经元,以 达到简化径向基神经网络结构的目的. 实验比较了几种不同聚类算法的径向基神经网络,结果表 明,所提神经网络的整体训练时间至少可缩
GFClass
- 这是一个径向基函数网络MATLAB的源程序,用于两类线性不可分的数据的分类-This is a RBFN MATLAB source for the two types of non-linear data classification
RBF
- 文中设计了一个3层径向基神经网络(RBFN)用于对企业的5项评价指标进行聚类分析，并与蚁群算法做了比较分析。RBFN由输入层 到隐含层采用传统的K一均值算法，隐含层到输出层通过“模2递减”学习速率的BP学习；蚁群算法根据信息素的分配能够自动调整收索 路径，从而达到数据自动聚类的目的。结果表明，与蚁群算法相比，改进RBFN具有快速收敛、自动识别奇异样本的优点，而蚁群算法 无须教师学习，并能够达到全局最优。
rbfn
- 利用MATLAB对神经网络进行编程,用newff()创建两层前向网络。网络输入范围[-1 1]，第一层有10个tansig神经元-using MATLAB right neural network programming with newff () to the creation of a two-tier network. Network input range [-1 1], the first layer 10 tansig ne
rbfn
- 利用MATLAB对神经网络进行编程,用newff()创建两层前向网络。网络输入范围[-1 1]，第一层有10个tansig神经元-using MATLAB right neural network programming with newff () to the creation of a two-tier network. Network input range [-1 1], the first layer 10 tansig ne
AntNet
- 一种基于蚁群聚类的径向基神经网络 提出了一种基于蚁群聚类算法的径向基神经网络. 利用蚁群算法的并行寻优特征和挥发系 数方法的自适应更改信息量的能力,并以球面聚类的方式确定了径向基神经网络中基函数的位置, 同时通过比较隐层神经元的相似性、合并相似性较为接近的2 个神经元来约简隐含层的神经元,以 达到简化径向基神经网络结构的目的. 实验比较了几种不同聚类算法的径向基神经网络,结果表 明,所提神经网络的整体训练时间至少可缩
GFClass
- 这是一个径向基函数网络MATLAB的源程序,用于两类线性不可分的数据的分类-This is a RBFN MATLAB source for the two types of non-linear data classification
RBF
- 文中设计了一个3层径向基神经网络(RBFN)用于对企业的5项评价指标进行聚类分析，并与蚁群算法做了比较分析。RBFN由输入层 到隐含层采用传统的K一均值算法，隐含层到输出层通过“模2递减”学习速率的BP学习；蚁群算法根据信息素的分配能够自动调整收索 路径，从而达到数据自动聚类的目的。结果表明，与蚁群算法相比，改进RBFN具有快速收敛、自动识别奇异样本的优点，而蚁群算法 无须教师学习，并能够达到全局最优。-In this pa
src
- RBFN for nuro analysis
nn1
- neural networks,RBFN for mexican hat function
Adaptive-Hysteresis
- 基于径向基函数神经网络迟滞非线性自适应控制 提出了一种新的动态迟滞非线性模型. 将一定数量不同死区宽度的 backlash 模型并行相 加, 作为一个动态系统以仿真执行器中的迟滞特性. 利用该模型, 采用伪控制方法设计了一套具有 未知迟滞特性非线性系统的神经网络自适应控制方案, 通过自适应算法来调整干扰项的上限. 采用 Lyapunov 稳定性理论进行了严格证明, 仿真试验验证了所提方案的有效性.- A nov el
rbfn
- RBFN Radial basis function networks
kmeansf
- kmean clustering algorithm. this code will take the training data set (with out class lebel) as input and return the no of optimum centre used in rbfn by using eucleadian distance.
RadialBasesFn
- RBFN Radial basis function networks- RBFN Radial basis function networks
RBFN_-GRBFN
- Comparing the power of RBFN and GRBFN in signal prediction
PSORBEM
- PSO-RBFN 神经网络，为function程序，可以改变输入的各个变量。-PSO-RBFN ANN
RBFN
- Tell about demo of RBFNN.
RBFN
- code for training radial basis function networkn
RobRomijnders-rbfn_learnable-b89962a
- RBFN FOR IMAGE RECOG
RBFN-master
- RBFNN FOR REGRESSION +CLASS