MATLAB峭度代码

太原理工大学运动控制系统课程设计《基于RBF 神经网络PID 控制双闭环直流电动机调速系统设计》，完整可直接使用，包含matlab工程文件

该代码实现了 Chen 等人中给出的算法。 al 1991。它需要用户的最大容忍度。它从总 M 个回归量中选择 Ms 显着回归量。 不幸的是，训练 RBF 网络后获得的错误并不如预期。 我的代码有错误吗？？？ 请随时修改此代码并将您的建议邮寄给 anshuman0387[at]yahoo[dot]com。 在这方面的任何帮助将不胜感激

针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO)。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。

人工神经网络的最后的实验。用了两种方法，bp算法和 rbf 径向基神经网络

使用RBF神经网络对PID三个参数进行校准

提出一种新颖的基于boosting RBF神经网络的入侵检测方法。将模糊聚类和神经网络技术相结合，提出基于改进的FCM算法和OLS算法相结合的FORBF算法，为了提高RBF神经网络的泛化能力，采用Boosting方法，进行网络集成。以“KDD Cup 1999 Data”网络连接数据集训练神经网络并仿真实验，得到了较高的检测率和较低的误警率。

rbf预测数学代码机器学习 使用MATLAB的经典机器学习问题的算法 没有使用机器学习包 Scratch提供的所有自行编写的源代码。 包含的主题： - Nearest Neighbor Methods (KNN Classification/Regression) - Clustering (K-Centers, DP-Centers) - Linear Methods: - LDA and Ridge Regression - Logistic Regression (SGD) - Support Vector Machine (SSGD) - Dimensionality Reduction using PCA - Kernel for SVM & Clustering 分类 Logistic回归和随机梯度下降算法 训练数据集：3个类，R ^ 4中的功能 SGD算法在迭代中的学习进展： 具有RBF内核的Binary-SVM 培训数据集和结果决策边界： SSGD算法在迭代中的学习进展： K最近邻居算法 训练数据集： 通过KNN算法进行的预测： 聚类 K均值算法 聚类结果：K = 3

rbf网络matlab代码RBFMatlab RBF Matlab代码。 在数学建模领域，径向基函数网络是使用径向基函数作为激活函数的人工神经网络。

MATLAB实现RBF径向基神经网络多输入多输出预测（完整源码和数据） 数据为多输入多输出预测数据，输入10个特征，输出3个变量,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。