用c语言编写RBF神经网络程序

一、用c语言编写RBF神经网络程序

1、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。

2、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。

3、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。

二、plc怎么实现神经网络控制

PLC实现神经网络控制的基本方法如下:

1.在外部软件中设计并训练神经网络模型,如在Matlab中用神经网络工具箱建立并训练网络。

2.使用工具将训练好的神经网络模型转换为PLC可导入的格式,如C语言代码或函数库。

3.在PLC中导入转换后的神经网络函数库,调用神经网络预测函数接口实现控制。

4.在PLC逻辑中根据输入数据调用神经网络预测函数,获取输出结果。

5.根据神经网络输出的预测结果,在PLC逻辑中实现相应的控制动作。

6.通过在外部软件中重新训练网络,并将更新的模型导入到PLC中,实现神经网络模型的迭代升级。

7.也可以直接在PLC中通过函数块实现神经网络算法,但比较复杂。

总体来说,采用混合编程模式,在外部软件训练网络,并将模型封装为PLC可调用的函数实现控制,可以比较灵活地在PLC中融入神经网络预测的能力。

三、C语言的学习

1、学习C语言，我想应当首先手头有一本入门教材，如果有条件用计算机的话，在计算机上安装TC程序。

2、前面的基本内容我想你自己会学好学会的，关键就是在指针以后的内容比较复杂抽象，需要下一番功夫才行呀。

3、如果有什么问题可以在网上线我留言。QQ360795604