资源简介
径向基函数(Radial Basis Functions,以下简称RBF)在数值和科学计算等领域被广泛应用,例如解微分方程、人工神经网络、曲面重建、计算机辅助设计、计算机图形学和多元插值等。RBF 插值方法不受输入参数的限制,可以进行高维插值。
代码片段和文件信息
- 上一篇:hypack 中文手册
- 下一篇:TensorFlow官方文档中文版
相关资源
- 粒子群优化算法的RBF模型,做预测
- 遗传算法优化RBF神经网络源程序
- RBF神经网络对iris分类
- RBF神经网络做回归预测
- 基于 PCA - RBF 神经网络的混凝土坝
- rbf神经网络在变压器故障诊断中的应
- RBF神经网络 实现非线性函数回归
- 粒子群优化RBF神经网络的光伏阵列故
- Introduction of RBF
- RBF神经网络在径流预报中的应用
- 七个RBF神经网络的源程序
- RBF神经网络用于分类与回归
- BP网络与RBF径向基网络对比
- rbf神经网络图像识别
- 风电场风速预测的RBF神经网络模型
- 基于RBF神经网络的航空发动机故障诊
- 刘金琨著-RBF神经网络自适应控制-全书
- PSO_GA_RBF预测系统
- PSO-GA-RBF
- GA优化后的RBF神经网络
- 单摆RBF神经网络建模程序
- 遗传算法优化RBF神经网络
- 基于梯度法编写的RBF神经网络程序.
- 最小二乘法训练RBF神经网络程序
- rbf神经网络权值的粒子群优化算法
- 遗传算法优化rbf网络108003
- RBF径向基函数网格变形算法源程序
- 粒子群pso算法优化RBF网络
- RBF神经网络预测
- 一种新型径向基函数神经网络学习算
评论
共有 条评论