本资源采用自组织学习获取中心和有监督学习获取中心两种方式训练RBF神经网络，支持多维函数逼近，支持批量训练，具有较好的封装性，使用非常简便

一种基于RBF神经网络的语音去噪方法，郑鲲，孙光民，对语音去噪方法进行研究，采用RBF(Radial Basis Function)神经网络在频域上对有噪语音信号进行去噪处理。比较了RBF神经网络对语音信号在时�

rt，粒子群算法优化的RBF神经网络

本文提出一种基于RBF神经网络的医学图像分类算法，利用像素的特征信息作为训练样本对RBF神经网络进行训练，使用训练后的RBF神经网络图像的分类识别，对不同的分类结果赋予不同rgb值进行显示。实验结果表明，RBF神经网络的结构简单、学习权值数量少且收敛速度快，不仅能有效的区分医学图像中的不同结构，显示图像细节，同时其误差曲线收敛稳定、速度快。

行业制造-电动装置-一种基于RBF神经网络的电机温升预测的方法.zip

【RBF预测】基于RBF神经网络预测模型matlab源码.md

RBF神经网络主要求解以下3个参数，即隐藏层到神经网络的输出层的权重、基函数的中心以及方差。 一、确定基函数中心 在确定基函数中心时，一般采用自组织选取中心学习方法，这里我们使用k均值聚类算法产生k个符合聚类的中心。 所谓的k均值聚类算法，也就是将给定的样本集按他们之间的距离大小划分为K个簇使得簇与簇 之间的距离尽量大的同时又使得簇内的点能够尽量紧密地连在一起。

一种改进的RBF神经网络多目标优化算法，肖忠良，李智勇，针对RBF网络训练中的多目标优化问题，提出了一种基于Pareto方法的改进的非支配排序遗传算法INSGA(Improved Non-dominated Sorting Genetic Algorithm)��

介绍 rbf神经网络 是一本很好的ppt文档教材 专门介绍RBF发展过程 和算法

RBF神经网络 RBF是一种三层前向网络 第一层为输入层，由信号源结点组成； 第二层为隐含层，隐单元的变换函数是对中心点径向对称且衰减的非负非线性函数； 第三层为输出层，它对输入模式的作用做出相应； 从输入空间到隐含层空间的变换是非线性的，而从隐含层空间的输出层空间变换是线性的。 b为阈值，用于调整神经元的灵敏度。 RBF神经网络的激活函数采用距离函数，并且使用RBF函数（Gaussian函数）作为激活函数。RBF函数关于n维空间的一个中心点具有径向对称性，而且神经元的输入离该中心点越远，激活程度越低。 激活函数是以输入向量与权值向量之间的距离||dis||作为自变量。一般表达式为：