一种用于模式识别的动态RBF神经网络算法 韩 敏 ， 崔丕锁 (大连理工大学电子与信息工程学院，辽宁大连 116024) 摘要：对径向基函数(RBF)神经网络在数据分类中的应用进行了研究．提出一种应用于模 式识别的动态RBF训练算法，该算法使用区域映射误差函数并结合资源分配网络(RAN)的 “新性”(novelty)条件动态调整网络的隐层节点数，从而可以更加有效地进行模式识别．二分 类样本和

基于RBF神经网络的人体运动跟踪与姿态，一种径向基函数神经网络的参数求解方法，自构造RBF神经网络及其参数优化等六篇论文，需要者自己下载。

本程序利用当前流行的pso算法对rbf神经网络进行优化，使之预测精度高

介绍了确定神经元径向基函数中心和宽度参数的方法
C(n)+nX/Xk(n)-c(n)d i=d(Xk) 基于炳聚类法RBF拟合曲线 C:( n 1.5 d d(X K n n 0.5 1.5 O.0 00.511.522.539.544.55 RBF (3000 K均值聚类法RBF拟合曲线 W 1.5 y=sn(08x)+∞os(02x,x∈[05 1 K 057 101 00.5

基于RBF神经网络在图像分割参数估计的应用，详细介绍了RBF神经网络在图像分割中的应用以及在图像分割中的参数的估计，很有价值。
50.0050.0070.00800080.001000100012.0095.075.00 621372.3160.839882.1191.13105449927824571.56 100.0015000150.0015000150.0015000150.

RBF神经网络负荷预测MATLAB程序