本程序运用Haar基函数对图像进行小波变化（包含了图像还原部分）

详尽的描述了RBF模型。对于初学者而言这是一个捷径。

matlab精度检验代码皇家空军 包含用于径向基函数（RBF）应用程序的工具的Python软件包。 应用包括内插散乱数据和求解不规则域上的偏微分方程（PDE）。 此软件包的大部分灵感来自Bengt Fornberg和Natasha Flyer的著作《径向基函数的底漆及其在地球科学中的应用》和Gregory Fasshauer的《 Matlab的无网格近似方法》。 可以找到此软件包的完整文档。 特征 RBF类，用于评估RBF及其精确导数 RBFInterpolant类，用于对分散的且可能有噪声的N维数据进行插值。 也可以评估插值的精确导数 weight_matrix函数，该函数生成径向基函数有限差分（RBF-FD）权重。 这用于解决不规则域上的大规模PDE 节点生成函数，例如min_energy_nodes和poisson_disc_nodes ，用于通过频谱RBF方法或RBF-FD方法求解PDE 用于两个和三个空间维度的计算几何函数（例如，多边形测试中的点） GaussianProcess类，用于高斯过程回归（GPR）。 GPR与RBF插值相似，但它具有贝叶斯统计基础 安装 RBF需要

RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。

Fourier基函数 * N=16 0 1 2 3 4 5 6 8 0 4 8 12 16 7 (a)正弦分量（前1/2） 0 0 4 8 12 16 3 8 1 2 4 5 6 7 (b)余弦分量（前1/2）

为了解决系统状态变量不宜直接测量的问题，利用神经网络能对任意函数逼近的原理，采用 RBF神经网络针对标准单输入、单输出系统，利用可测变量为输入量，在基本状态观测器的基础上设计了神经网络状态观测器。系统状态观测误差是收敛有界的，并且该界与神经网络权值逼近误差有关，合理设计神经网络参数，将该观测器应用于起重摆角子系统，利用小车位置变量为输入量，实现对吊重摆角速度的现场软测量。仿真研究的结果表明，神经网络观测器具有良好的快速响应性，其观测时间小于1 s；当系统存在建模误差和参数摄动时，神经网络观测器能较好地适应

这是一组代码，适用于经典阻尼谐波振荡器 (CDHO)、Voigt、傅立叶级数和三角基函数的介电常数。 详见：介电常数的光谱曲线拟合，AIP Advances 7, 015042 (2017)； 这些代码可用于从在有限光谱范围内测量的吸收/反射光谱中提取光学常数（折射率、介电常数等）。 Voigt 拟合需要 Sanjar Abraro 的 Voigt/complex error 函数（文件 ID：#47801），可从 File exchange 下载。 主文件是 curveift_test.m，它采用样本数据并拟合不同的曲线。 如果您觉得有用，请引用：M.Ruzi，C.Ennis和EG Robertson，介电常数的频谱曲线拟合，AIP Advances 7，015042（2017）。

NURBS基函数，利用它生成曲线、曲面。使用于曲线和曲面的制作应用(application)中。导出9个函数： NURBS_3D, NURBS_3Di, NURBS_3Df NURBS_4D, NURBS_4Di, NURBS_4Df, 这里使用的是齐次坐标，可以使用权因子调节。 NURBS_2D, NURBS_2Di, NURBS_2Df

上传的代码有问题，请不要审核通过；若审核通过请大家不要下载

BEM 基函数扩展模型相关matlab代码，包含信道估计及其均衡 Demo: N=64; ap = ones(N,1); I_path_M = 1;% 假设的数据传输信道下的子径个数，该参数大于H_Path_M/P即可。 I_Dopl_D = 32;% 假设的数据传输信道下的子径个数 I_Dop_Max = 1 ; %假设的信道最大多普勒 iA = calc_iA(ap,I_path_M,I_Dopl_D,I_Dop_Max); iH = calc_iH(iA,ap_estm,I_path_M,I_Dopl_D,I_Dop_Max,'ZF');