《表2 RBF1基函数中心》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，在训练数据库选取300组样本数据分别对RBF1和RBF2神经网络解耦器进行训练[11]，训练结果显示，对于RBF1和RBF2分别用6个和7个隐含层节点数即可。训练后RBF1和RBF2网络的连接权重以及隐含层节点数据中心如表2～表5所示。