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。
资源文件列表
RBF╥┼┤½╙┼╗»/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/Matlab╓╨╬─┬█╠│--╓·┼¼┴ª╡─╚╦═Ω│╔▒╧╥╡╔Φ╝╞.url , 183
RBF╥┼┤½╙┼╗»/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/GA.m , 2548
RBF╥┼┤½╙┼╗»/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/RBF.m , 1279
RBF╥┼┤½╙┼╗»/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/Test.m , 1303
RBF╥┼┤½╙┼╗»/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/pfile.mat , 274
RBF╥┼┤½╙┼╗»/RBF═°┬τ╥┼┤½╦π╖¿╙┼╗»│╠╨≥/╩╣╙├░∩╓·ú║╨┬╩╓▒╪┐┤.htm , 3543