1.网络结构为2-5-1； 2.两个输入，5个隐含层，1个输出

为了提高光伏发电功率预测的精度，本文在结合灰色预测算法（GM）与神经络预测算法优点的基础上，提出一种基于灰色径向基函数（Radical Basis Function， RBF）和神经网络光伏发电功率预测模型。该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。最后，运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证，得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%，其预测精度均高于灰色预测算法和RBF神经网络预测算法。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：RBF神经网络的训练 MATLAB源程序代码.rar 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

BP神经网络与RBF神经网络 一：神经网络的背景知识 二：BP神经网络 三：RBF神经网络 四：两种神经网络的比较 人工神经网络（Artificial Neural Network ）是基于仿生学理论上的对人脑某些已知结构的模仿。它将人脑的神经元连接方式加以抽象。用大量的神经元节点组成一个庞大的神经网络，从而实现数据的非线性处理，以及复杂的逻辑运算。 正因为人工神经网络是对生物神经网络的模仿，它具有一些传统逻辑运算不具有的优点。主要包括：

基于多因素影响的BP-RBF 神经网络渗流预测模型.pdf

基于改进CFA PSO-RBF 神经网络的温室温度预测研究.pdf

经典的RBFNN训练算法，主要是前向选择和后向选择，分别针对两种神经网络构造方法

为了正确判断管道是否发生泄漏，本文采用混合学习方法对网络进行训练学习。通过将管道运行参数作为神经网络的输入，管道运行状态作为神经网络的输出，实现两者的非线性映射，以此来判断输入信号是否为泄漏信号，并选用K-means聚类方法和递推最小二乘法来确定网络参数。通过用天然气管道运行的实测数据对RBF神经网络进行了训练和测试，得到结果误差在可接受的范围内，从而证明RBF神经网络的方法可用于天然气管道泄漏检测的研究。

rbf神经网络+滑模控制设计 matlab仿真程序

基于RBF神经网络的模式分类的matlab实现 并对比BP神经网络更优 适合初学者研究学习