BP和RBF神经网络源代码（C++）可运行，已经调试通过，并对其进行了比较；对于学习神经网络的人非常有用，有助于理解神经网络。

matlab中rbf源代码支持向量机 在该存储库中，提供了一个MATLAB工具箱，以针对不平衡和多类型分类问题训练和测试基于支持向量机（SVM）的模型。 附加了两个分类技巧，即granularization和binary-tree以形成GBT-SVM模型。 有关该模型的详细信息，请参考我的。 工具箱的构造 文件夹中的代码和脚本可用于构建粒度SVM（GSVM）模型，该模型能够形成树结构分类器。 我在这里列出了名称和相应的注释。 方法 评论 getGranule 通过将主要类别拆分为子集或颗粒来生成平衡的数据集。 myCrossSVM 通过交叉验证和网格化训练SVM模型，内核是可选的。 myGSVM预测 使用训练有素的模型对新样品进行分类。 获取颗粒 为了获得平衡的数据集，您可以使用getGranule作为 >>> [DataGranules] = getGranule(data,label) 输出DataGranules是一个结构，形成为 数据粒度 MajIdx ：主要类别的标签 MinIdx ：次要类别的标签 GraNum ：颗粒数 MinData ：次要样本的数据和标签 MajDat

给出输入输出数据，对RBF进行训练，仿真，并测试其泛化能力。

matlab实现PSO优化RBF神经网络的问题-PSO.m 哪位高手有PSO优化RBF神经网络的代码，共享一下，不胜感激！！！:time:

基于k-means、OLS、gredient、神经网络工具箱等七种方法设计RBF神经网络，编写了RBF神经网络算法程序，为相关研究人员提供一个参考

径向基函数/薄板样条 3D 点集翘曲。 p3do = rbfwarp3d( p3d, ps, pd, varargin) 输入： p3d：3d 点集ps：3d 源地标 [n*3] pd: 3d 地标 [n*3] 方法： 'gau',r - 对于高斯函数 ko = exp(-|pi-pj|/r.^2); 'thin' - 对于薄板函数 ko = (|pi-pj|^2) * log(|pi-pj|^2) 输出： p3do：输出点集佛罗里达州布克斯坦“主要翘曲：薄板样条和变形的分解。” IEEE 翻译模式肛门。 马赫英特尔。 11, 567-585, 1989。

有数据，稳定运行

神经网络及BP与RBF比较宣贯.pdf

遗传算法优化的RBF神经网络-可直接运行matlab

使用Python编写的RBF神经网络算法，用来对边坡的位移进行预测。该算法在实际中已经得到了验证，在边坡位移预测中具有很大的使用价值。