基于径向基函数神经网络的自由曲面重构

摘要：

根据径向基函数神经网络(RBFNN)具有很强的非线性逼近能力的优点,本文采用RBF网络模型进行自由曲面重构,建立了适应于曲面重构的径向基函数网络模型,讨论了基函数对重构曲面连续性的影响,并与多层感知器神经网络的性能进行对比.理论分析和仿真实验结果表明:常用的几种径向基函数重构的曲面都具有很好的连续性,径向基函数网络用于曲面重构,不论是在拟合精度,还是网络的训练速度都明显优于多层感知器网络,具有一定的实用价值.

关键词：径向基函数、曲面重构、神经网络

所属期刊栏目：16

分类号：O242(计算数学)

资助基金：国家自然科学基金60172040

在线出版日期：2004-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：8-12