1.软件版本
matlab2013b
2.本算法理论知识
GRNN广义回归神经网络的理论基础是非线性核回归分析，非独立变量y相对于独立变量x的回归分析实际上是计算具有最大概率值的y。设随机变量x和y的联合概率密度函数为f (x ,y)，已知x的观测值为X，则y相对于X的回归，即条件均值为：
对于未知的概率密度函数f (x, y)，可由x和y的观测样本经非参数估计得：
根据式子1和2可以得到：
GRNN通常被用来进行函数逼近。它具有一个径向基隐含层和一个特殊的线性层。第一层和第二层的神经元数目都与输入的样本向量对的数目相等。GRNN结
本文转载自: https://blog.csdn.net/ccsss22/article/details/125109516
版权归原作者 fpga和matlab 所有， 如有侵权，请联系我们删除。
版权归原作者 fpga和matlab 所有， 如有侵权，请联系我们删除。