论文部分内容阅读
针对径向基网络对训练样本要求高的情形，将粗糙集和径向基神经网络相结合，提出粗糙径向基神经网络的方法，利用粗糙集对数据进行属性规约，得到适合径向基网络要求的数据，进而提高了其训练速度以及精度。将该方法应用在瓦斯涌出量预测的实验中，并将粗糙径向基神经网络和BP网络的预测结果进行对比，可以得出粗糙径向基网络预测效果比BP的效果好的结论，同时证实该方法的可行性。