提出一种基于径向基函数神经网络的改进聚类方法，并将此改进的神经网络应用于语音识别领域，建立一个非特定人的孤立词语音识别系统。此聚类方法采取有监督的学习方式，将训练样本的形心作为隐节点的质心，训练样本的分类数作为隐节点的个数。利用该方法对小词表汉语孤立词进行语音识别。结果表明，采用此算法的径向基函数的神经网络具有更好的分类能力，训练速度和识别率均优于传统的径向基函数网络。

粒子群算法（PSO）优化的径向基函数（RBF）神经网络算法.zip

matlab小波基函数代码过完备字典 信号通常表示为基函数的线性组合（如傅立叶、余弦或小波表示）。 基函数总是与它们所代表的（离散）信号具有相同的维度。 传统上，基函数的数量与其表示的信号的维数相同。 信号的更一般表示使用所谓的“过度完备字典”，其中基函数的数量大于信号的维数。 对于完整的碱基，信号的表示总是唯一的。 这种唯一性在过度完备的基础上丢失了。 由于一个信号可以在过度完备的基础上有许多表示，我们选择最稀疏的一个过完备基在信号表示中提供了更大的紧凑性。 余弦 + 尖峰 如果信号是余弦函数的线性组合，则可以使用离散余弦变换 (DCT) 对其进行稀疏表示。 如果信号是尖峰函数的线性组合，那么它在时域中是稀疏表示的（身份变换）。 但是，如果有一个信号是余弦函数和尖峰函数的线性组合，则不能在任一基（DCT 或 Identity）中稀疏表示。 如果我们创建一个基 ( A ) 作为 DCT 和 Identity 的并集，那么信号可以稀疏地表示，因为余弦分量可以由 DCT 基稀疏表示，尖峰可以由 Identity 基稀疏表示。 在基A 中寻找信号的最稀疏表示是一个 NP-hard 问题，因此

径向基函数神经网络进行异或分类，首先在4个象限随机生训练数据，然后进行FCM聚类，取4个隐层神经元代表分成4类，最后通过伪逆求出输出层神经元权重，输出通过0和1区分

径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是Φ（x）=Φ(‖x‖),或者还可以是到任意一点c的距离，c点称为中心点，也就是Φ（x，c）=Φ(‖x-c‖)。任意一个满足Φ（x）=Φ(‖x‖)特性的函数Φ都叫做径向基函数，标准的一般使用欧氏距离（也叫做欧式径向基函数），尽管其他距离函数也是可以的。在神经网络结构中，可以作为全连接层和ReLU层的主要函数。

基于模糊基函数网络在磨削过程建模中的应用zip,基于模糊基函数网络在磨削过程建模中的应用

为了提高矿井火灾探测器对环境的适应力和抗干扰能力,采用逼近能力、分类能力和学习速度等方面优于BP网络的径向基函数神经网络,在MATLAB环境下构建火灾探测仿真模型,以温度、烟雾浓度、CO气体浓度作为输入,进行多信息数据融合,达到矿井火灾探测目的。仿真结果表明,该方法对明火、阴燃火和无火概率的识别误差均小于5%,可大幅降低火灾报警的漏报和误报率。模糊系统和神经网络相结合的手段,能有效监测矿井火灾的产生,对于智能火灾报警系统研究具有参考价值。

RBF网络 无需外部程序包的径向基函数网络的Python实现 结果

在采用液压挖掘机改造的遥操作机器人双向伺服控制系统中，针对大臂和前臂两个自由度构建力反馈控制算法。以准确地获取从端机器人与环境的作用力，使反馈力能够更好地反映从端工作状况为目的，采用构建干扰力补偿项的方法消除干扰力对反馈力的影响；以机器人转角为输入，以空载时检测到的液压缸作用力为输出，通过径向基函数构建干扰力补偿项,此补偿项可对多种因机器人的机械本体动力学特性产生的干扰力之合力进行补偿。实验证明，在以液压机构为从手的双向力反馈系统中，通过构建干扰力补偿项的方法提高力反馈效果的方法是可行的，采用的带有干扰力

径向基函数神经网络的matlab程序，（函数逼近、拟合曲线、可改写为多输入多输出的神经网络），基于聚类的RBF 网设计算法、.基于梯度法的RBF 网络设计算法、.基于OLS 的RBF 网设计算法