一种基于属性重要性的粗糙RBF神经网络
来源期刊：控制与决策2006年第7期
论文作者：李昌彪 夏克文 宋建平 闾晓晨
文章页码：821 - 1652
关键词：粗糙RBF神经网络;粗糙集;属性重要性;油水层识别;
摘 要：提出一种基于属性重要性的粗糙RBF神经网络模型,该模型不仅具有明确的生物意义和物理意义,而且简化了拓扑结构,减少了运算量和成本.实际应用结果表明,这种粗糙RBF神经网络在油水层识别中效果显著,其学习训练速度和拟合精度远优于传统的RBF网络算法.
李昌彪1，夏克文1，宋建平1，闾晓晨2
1. 西安交通大学电子与信息工程学院2. 华南理工大学物理科学与技术学院
摘 要：提出一种基于属性重要性的粗糙RBF神经网络模型,该模型不仅具有明确的生物意义和物理意义,而且简化了拓扑结构,减少了运算量和成本.实际应用结果表明,这种粗糙RBF神经网络在油水层识别中效果显著,其学习训练速度和拟合精度远优于传统的RBF网络算法.
关键词：粗糙RBF神经网络;粗糙集;属性重要性;油水层识别;
