【预测模型】基于RBF神经网络实现清水值预测matlab源码.md

自己写的DNA序列分析，定义了综合指标，用了RBF和fisher，聚类。我感觉就冲这原创性，可以值这个分数。你说你下载了，交上去，肯定是可以过关的，是不？》

近邻传播聚类算法的RBF隐含层节点优化.pdf

详细地说明了RBF神经网络的各种算法实现，方便大家学习神经网络的原理，进一步加深了对神经网络的认识。

简单的rbf预测算法，可直接运行出结果，无需再调试，中间有注释，容易理解

利用RBF神经网络实现对数据点的分类。采用的是广义RBF网络数据中心的监督学习算法，利用梯度下降法，自动求RBF网络的中心、扩展系数、权重。该实验动态展示了RBF分类逼近过程。你可以调节参数达到你需要的效果。

一种基于RBF神经网络的并网逆变器自适应控制算法研究，何传燕，黄琦，并网逆变器控制系统是一种典型的非线性离散系统，工程上，主要采用PID实现。常规的PID控制方法自适应较差，不易处理并网逆变器中的

用matlab实现RBF学习

RBFNN是使用径向基函数作为激活函数的人工神经网络。 图显示了 RBFNN 的结构。 RBFNN 是三层前馈神经网络。 第一层是线性的，只分配输入信号，而下一层是非线性的，使用高斯函数。 第三层线性组合高斯输出。 在训练期间只修改隐藏层和输出层之间的抽头权重。 RBFNN 有 5 个优化参数： 1- 隐藏层和输出层之间的权重。 2- 激活函数。 3- 激活函数的中心。 4- 激活函数中心的分布。 5- 隐藏神经元的数量。 隐藏层和输出层之间的权重使用 Moore-Penrose 广义伪逆计算。 该算法克服了传统梯度算法中的许多问题，如停止标准、学习率、时期数和局部最小值。 由于其较短的训练时间和泛化能力，适合实时应用。 选择的径向基函数通常是用于模式识别应用的高斯核。 通常激活函数的中心和分布应该具有与数据相似的特征。 这里，使用 Kmeans 聚类算法选择高斯的中心和宽度。 基于通用逼

混沌时间序列的RBF神经网络预测matlab代码.zip