论文部分内容阅读
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．
一种基于属性重要性的粗糙RBF神经网络
【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
【机 构】
：
西安交通大学电子与信息工程学院,华南理工大学物理科学与技术学院
【出 处】
：
控制与决策
【发表日期】
：
2006年7期
其他文献
研究一类中立时滞线性参数变化系统的基于观测器的控制问题．呆用Lyapunov方法，提出了系统的时滞相关稳定性条件，设计了增益调度控制器和状态观测器．利用参数线性矩阵不等式，将控制
针对参数跳变系统,提出一种基于分层递阶结构的多模型自适应前馈解耦控制器.该控制器采用多模型方法来提高系统的暂态性能;采用自适应方法消除系统的稳态误差,采用分层递阶结