刮板输送机是煤矿井下重要的开采设备之一,简要分析了现阶段刮板输送机的故障诊断现状,针对刮板输送机故障种类繁多,相互影响大且不易诊断的问题,根据多传感器数据融合理论,提出了RBF和模糊积分相结合的刮板输送机故障诊断数据融合方法。在特征级采用RBF,可以对同类传感器采集的数据进行快速学习和收敛,得到同源数据对每一类故障的模糊测度,以便在高维空间内进行同源数据的线性可分。决策级采用模糊积分理论利用该模糊测度通过模糊积分计算,获得刮板输送机故障信息的预测结果,该方法具有较好的容错性,简化了冗余信息,降低了故障相互影响的关联性。刮板输送机减速器电机故障的诊断研究表明,文中所提出的方法有助于克服故障类型的不确定性,在整体上确保故障数据的完备性,正确地判定故障的类型,提高了故障诊断的准确性。

基于粒子群算法优化RBF神经网络的异型连续箱梁桥损伤识别方法，谭国金，刘寒冰，针对异型连续箱梁桥的特点，提出了一种适用于该类桥梁结构的损伤识别方法。以位移振型比值和应变模态相对变化量来构造损伤指标，

埃尔米特插值matlab代码React扩散 RBF-HFD代码用于React-在表面扩散。 该存储库包含一个简单的Matlab脚本turing_script.m ，用于使用Hermite RBF插值法在表面上模拟图灵图案，以创建Laplace-Beltrami运算符的离散化。 离散化是通过函数rbf_hfd_laplace_beltrami.m创建的，其他文件包含两个不同曲面的节点集和法线。

“BP和RBF神经网络计算软件”是“风雨江湖”水利系列软件之一，基于Excel VBA研发，在安装有Microsoft Excel或金山WPS（需安装相关VBA工具包）的计算机中，双击运行扩展名为“.xlsm”的Excel文件即可。该软件实现具有3层网络结构的反向传播神经网络（Back Propagation，BP）和径向基函数神经网络（Radial Basis Function，RBF）的训练和运行。软件能够根据输入、输出样本进行网络训练，可人工调整各层神经元个数和训练参数，并能够利用事先训练完成的网络参数进行模拟计算。

基于RBF神经网络的多智能体编队控制MATLAB仿真

1、内附Exel数据集，8000组作为训练集，剩余的作为测试集； 2、有监督学习方式：梯度下降优化中心向量C、宽度D、权值W； 3、目标误差为10*e-5； 4、纯matlab代码，未使用神经网络工具箱。

rbf预测数学代码平滑支持向量机工具箱 介绍 SSVM工具箱是Matlab中的平滑支持向量机的实现。 SSVM是传统SVM的重新构造，可以通过快速的Newton-Armijo算​​法解决。 此外，选择一个好的参数设置以在学习任务中获得更好的性能是一个重要的问题。 我们还提供自动模型选择工具，以帮助用户获得良好的参数设置。 现在，SSVM工具箱包括用于分类和自动的工具。 主要特征 解决分类（）和回归（）问题 支持线性，多项式和径向基核 提供带有RBF内核的SSVM和SSVR的自动模型选择 通过使用精简内核（RSVM）可以处理大规模问题 提供交叉验证评估 使用正则化最小二乘法提供零以外的替代初始点 下载SSVM工具箱 资料格式 SSVM工具箱是在Matlab中实现的。 使用可以加载到Matlab中的数据格式。 实例由矩阵（实例的行和变量的列）表示，标签（1或-1）或响应由列向量表示。 用于分类 回归 以下是一些样本数据集。 代码用法 SSVM工具箱包含三个主要功能：用于支持向量机训练的ssvm_train，用于支持向量机预测的ssvm_predict和用于自动模型选择的芙蓉。 ssvm_t

好用的RBF神经网络波束形成小程序，学会使用神经网络中比BP神经网络更优秀的RBF径向基函数神经网络进行深度学习，优化波束形成中MVDR算法的最优权向量，从而达到波束形成的优化，在雷达通信，水下通信中都是值得一提的优化

RBF-k均值聚类算法的matlab程序和样本数据，可用于RBF-k均值聚类算法的仿真。

BP/RBF神经网络的m文件及其simulink框图，仿真性能对比分析。