معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Implementation of a Radial Basis Network

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	RBasisPy-1.1
نام	RBasisPy
نسخه کتابخانه	1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Michael Guzmán
ایمیل نویسنده	michael.guzman.personal@gmail.com
آدرس صفحه اصلی	https://github.com/2mikeg/erbn
آدرس اینترنتی	https://pypi.org/project/RBasisPy/
مجوز	GPLv3

# RBasisPy *** **RBasisPy** is a library that allows you to implement a Radial Basis Network in Python. This library has 3 radial basis function that can be use in the hidden layer of the network. ## How to install RBasisPy? It can be installed from terminal using pip: `pip install RBasisPy` ## License License for **RBasisPy** is [GNU GPLv3](https://www.gnu.org/licenses/gpl-3.0.html). *** # RBasisPy documentation Once the library is installed, it is necessary to call the network module: `from RBasisPy import rbn`, rbn is the Radial Basis Network and can be instaced with two parameters: `K` and `f`, `K` means numbers of units in the hidden layer and `f` the radial basis function. ***Parameters*** - **K:** `numbers of units in the hidden layer.` - **f:** `{'gaussian', 'inv_sqr', 'inv_mul'} default='gaussian'` 'gaussian': Gaussian function. 'inv_sqr': Inverse Quadratic function. 'inv_mul': Inverse Multiquadratic function. ***Methods*** - **fit(X, y):** fit the model, X: input data with shape (number of samples, number of features). Y: target vector with shape(n_samples). - **predict(X)**: predict X using the RBN. ***Contact*** - E-mail: michael.guzman.personal@gmail.com - LinkedIn: [Click here](https://www.linkedin.com/in/dguzmanmichael/)

نحوه نصب

نصب پکیج whl RBasisPy-1.1:

pip install RBasisPy-1.1.whl

نصب پکیج tar.gz RBasisPy-1.1:

pip install RBasisPy-1.1.tar.gz