基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的曲面（線）重構(gòu)仿真研究.pdf

1、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)以其簡單的結(jié)構(gòu)，優(yōu)良的全局逼近性能而引起了人們的廣泛關(guān)注。由于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的獨(dú)特的拓?fù)浣Y(jié)構(gòu)和訓(xùn)練方法，使得它在函數(shù)逼近和非線性系統(tǒng)預(yù)測等領(lǐng)域得到廣泛地應(yīng)用。近年來國內(nèi)外在徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)用于曲面重構(gòu)方面的研究工作比較多，普遍人們常用的是使用三個(gè)獨(dú)立的徑向基函數(shù)網(wǎng)絡(luò)分別得出曲面的三坐標(biāo)與參數(shù)之間的關(guān)系，從而間接得到曲面三坐標(biāo)之間的關(guān)系，這勢必將影響到網(wǎng)絡(luò)的訓(xùn)練速度和曲面重構(gòu)的精度。本文研究如何用一個(gè)徑向基函數(shù)先直

2、接得到擬重構(gòu)曲面的一種映射關(guān)系，這種映射關(guān)系通過網(wǎng)絡(luò)的權(quán)值和閥值來修正，其修正方法采用梯度下降算法，通過該算法對其映射關(guān)系訓(xùn)練，通過訓(xùn)練學(xué)習(xí)。逐次逼近到所要擬重構(gòu)曲面．該重構(gòu)算法具有很強(qiáng)的魯棒性和較高的重構(gòu)精度．此外，本文還給出了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)散布常數(shù)選擇的一種方法，因?yàn)樯⒉汲?shù)選得太多，易導(dǎo)致過擬合現(xiàn)象；散布常數(shù)選得太少，易導(dǎo)致曲面重構(gòu)誤差過大．最后，本文通過仿真實(shí)驗(yàn)研究散布常數(shù)對網(wǎng)絡(luò)性能的影響以及如何用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)去用于散