径向基神经网络MATLAB

针对在医学卫生领域,疾病受到许多因素的影响,很难用结构式的因果模型加以解释的问题,根据神经网络来预测是一种行之有效的方法。径向基函数(RBF)神经网络应用于疾病的月发病人数预测时,由于影响它的气象因素:月平均气压,月平均气温,月平均相对湿度,月平均风速,月平均降水量本身具有很大的相关性,且维数较高,RBF神经网络的预测精度会下降,针对这一问题,文中提出了利用主成分分析(PCA)方法对原输入空间进行重构,并根据各主成分的贡献率来确定网络结构,从而有效的解决了预测精度下降的问题。最后以2001年8月至2006年9月张家川支气管肺炎月发病人数的资料验证该方法的有效性。至此,应该充分考虑人在各时间段的发病特征,以便更有重点地进行健康防治工作,有效地降低支气管肺炎对人类的危害,保障人类的生活品质。

基于遗传算法径向基神经网络的交通流预测，楼旭伟，楼辉波，为提高径向基(RBF)神经网络预测模型对交通流预测的准确性，提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传�

用于预测，极限学习机Matlab程序，能直接运行，适合学习，。。。。。。。

基于改进差分进化算法-径向基神经网络的电热水浴串级控制系统研究.pdf

基于径向基神经网络退役锂电池分选研究.pdf

使用python语言编写，在pycharm环境下测试了，能够跑通。并且生成拟合曲线

基于PSO优化的径向基神经网络matlab程序，有注释，附带论文对原理进行说明，适合小白。

为解决建筑物基础沉降量的安全监测问题,对其进行有效的预测、校核与分析,运用MATLAB软件建立径向基神经网络模型对某市建筑物的基础沉降量进行预测.结果表明:径向基神经网络的结构形式简易,适应能力更强,预测误差比BP网络小,平均约为66.83%,达到预测精准度所需的耗时短、收敛速度更快.径向基神经网络的预测结果与实测结果较为吻合,表明径向基神经网络预测模型适用于建筑工程沉降预测领域之中.

优点—— RBF神经网络有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且 学习规则简单，便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映 射能力以及强大的自学习能力，因此在彩票等非线性大数据分析预测方面， 有着很大的应用市场。 具有局部逼近的优点 RBF神经网络是一种性能优良的前馈型神经网络，RBF网络可以任意精度逼近 任意的非线性函数，且具有全局逼近能力，从根 本上解决了BP网络的局部最优问题，而且拓扑结构紧凑，结构参数可实现分 离学习，收敛速度快。 只要在MATLAB（R2014b）平台上，通过运行径向基神经网络“RBF_SSQ”就可 以快速预测。预测系统推荐两注（参数可修改），单注可每号+-1，最多可12 个号复试；也可直接单注投注。单注中奖率一般在2个以上，复试一般在4-6 个红球。预测可靠性远远高于网络彩票预测机构的水准。