搜索资源列表
NeuralNetwork_RBF_Classification
- MATLAB中应用RBF神经网络对模式识别处理-MATLAB Application of RBF neural networks for pattern recognition processing
xunorbf
- 用rbf神经网络对经提取得到的信号特征参数进行信号的模式识别。-Rbf neural network by using extracted parameters of the signal characteristics of the signal pattern recognition.
imagerecognition
- it is a image recognition with rbf neural network
RPF2
- Mtlab code of RBF neural Network for face recognition
Letter-recognition-rbf
- 基于神经网络RBF的字母识别转换成相对应的1到16的数字-Based on RBF neural network identification of letters converted into corresponding 1 to 16 digital
matlab-RBF
- 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。-RBF network can approximate any nonlinear function, can handle regular system are difficult to resolve, with good generalization ability,
45678
- 基于MATLAB实现的说话人识别程序(声纹识别)，分别用bp、pnn、som、rbf、lvq等算法(Speaker recognition program based on MATLAB (voice recognition), respectively BP, PNN, SOM, RBF, LVQ algorithm)
RBF
- 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。(RBF network can approximate any nonlinear function, regularity can handle within the system to parse, has good generalization ability and
rbf
- 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。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局逼近网络的学习速度很慢。BP网络就是一个典型的例子。(RBF network
RBF
- 基于RBF的手写数字图像识别，matlab程序，欢迎下载交流(Based on RBF handwritten digital image recognition, matlab program, welcome to download and exchange)