基于Pseudo-Partial-Derivative(PPD)的概念动态线性化非线性系统,利用集结方法处理未来预测时刻的PPD,实现了非线性系统的自适应预测函数控制.所给算法的预测模型只与当前时刻的测量数据有关,不依赖于对象的具体结构.该算法能够提供有界的输入输出,并能无偏差跟踪给定值.最后通过大滞后对象和强非线性pH中和滴定实验验证了该方法的有效性,并说明了其具有很强的鲁棒性和抗干扰能力.

基于布里渊效应的分布式光纤传感器以其可在沿光纤中同时获得被测量场时间和空间上的连续分布信息，成为当前国际的研究热点。根据光纤中布里渊散射谱的传输特点和高精度特征提取的要求，提出了利用莱文伯马夸特(L-M)算法调节权值的径向基函数神经网络(RBFN)对布里渊散射谱进行特征提取。通过与反向传播(BP)神经网络、五次多项式曲线拟合法和三次样条插值法进行预测比较，在中心频率为11.213 GHz，权重比为4∶1的仿真散射谱模型中，本方法相对误差最小，仅0.0015179%，温度相对误差仅为0.152 ℃，且拟合度较好。在不同脉宽和不同温度下的同一检测系统中，前者的综合评价指标优于其他三种拟合方法。数值分析和实验研究均表明径向基函数神经网络适用于对布里渊散射谱进行拟合，有效提高了预测精度。

常用的小波基函数： 参数表示 小波基的名称 morl Morlet小波 mexh 墨西哥草帽小波 meyr Meyer小波 haar Haar小波 dbN 紧支集正交小波 symN 近似对称的紧支集双正交小波 coifN Coifmant小波 biorNr.Nd 双正交样条小波

采用神经网络和遗传算法, 对温室栽培番茄生长过程中主要器官——茎的生长过程进行了建模. 温室番茄
的生长过程具有控制变量多、生长过程复杂等特点. 采用基于径向基函数(RBF) 神经网络的辨识方法建立了温室栽
培番茄生长的模型, 以温室中番茄的实测数据为训练和预测样本, 采用遗传算法进行训练. 仿真结果表明, 该方法较
其他方法更适合于温室番茄生长过程的建模.

MATLAB峭度代码

径向基函数用于函数逼近和插值。 这个包支持两种流行的 rbf 类：高斯样条和多谐样条（薄板样条是其中的一个子类）。 该包还计算两点之间的线积分以及表面的梯度。 有关更多信息，请参阅 blog.nutaksas.com 以获取学术论文。

在这篇论文中,我们提出了一个使用局部支撑径向基函数对三维散乱点进行Hermite插值或逼近的快速曲面重构方法.通过构造给定数据点集的一个层次结构,采用逐层精化的方式实现了全局曲面重构的效果,解决了因使用局部支撑径向基函数导致的问题.另外,设计一个基于逼近误差导向的径向基函数中心点选择策略,减少每层进行插值的数据点,从而使Hermite径向基函数曲面重构方法能处理百万以上规模的点云数据.实验结果显示,我们的方法还适用于极度非均匀分布或带噪声的点云数据的曲面重构.

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。

matlab小波基函数代码哈尔变换 在数学中，Haar 小波是一系列重新缩放的“方形”函数，它们一起形成小波族或基。 小波分析类似于傅立叶分析，因为它允许根据正交基来表示区间上的目标函数。 Haar 序列现在被认为是第一个已知的小波基，并被广泛用作教学示例。 参考： 运行代码的步骤： 打开 MATLAB 并选择 haar.m 的存储路径。 将两个参数 'image_name' 和 'threshold' 传递给函数 haar.m 单击运行，将显示新图像并将其写入当前文件夹。 ** 对于大小为 1.42MB 的图像，所用时间为：3232.991766 秒。 压缩大小：192KB

径向基函数/薄板样条二维图像变形。 [imo,mask] = rbfwarp2d(im, ps, pd, 方法) 输入： im：图像二维矩阵ps：二维源地标[n*2] pd: 2d destin 地标 [n*2] 方法： 'gau',r - 对于高斯函数 ko = exp(-|pi-pj|/r.^2); 'thin' - 对于薄板函数 ko = (|pi-pj|^2) * log(|pi-pj|^2) 输出： imo：输出矩阵mask : 输出矩阵的掩码，0/1 表示出/入边界佛罗里达州布克斯坦“主要翘曲：薄板样条和变形的分解。” IEEE 翻译模式肛门。 马赫。 英特尔。 11, 567-585, 1989。 灵感来自https://cn.mathworks.com/matlabcentral/fileexchange/24315-warping-using-thin-plate-spl