1.用c语言编写RBF神经网络程序

用c语言编写RBF神经网络程序

       RBF网络能够逼近任意的源码非线性函数，可以处理系统内的源码难以解析的规律性，具有良好的源码泛化能力，并有很快的源码源码后门目的学习收敛速度，已成功应用于非线性函数逼近、源码时间序列分析、源码dictionary源码数据分类、源码模式识别、源码信息处理、源码图像处理、源码系统建模、源码控制和故障诊断等。源码

       简单说明一下为什么RBF网络学习收敛得比较快。源码claster源码当网络的源码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，这样的源码网络称为全局逼近网络。由于对于每次输入，demotcp源码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uni 源码一个典型的例子。

       如果对于输入空间的某个局部区域只有少数几个连接权值影响输出，则该网络称为局部逼近网络。常见的局部逼近网络有RBF网络、小脑模型（CMAC）网络、B样条网络等。

       附件是RBF神经网络的C++源码。