基于徑向基函數(shù)神經網絡的曲面（線）重構仿真研究.pdf

1、徑向基函數(shù)神經網絡以其簡單的結構，優(yōu)良的全局逼近性能而引起了人們的廣泛關注。由于徑向基函數(shù)神經網絡的獨特的拓撲結構和訓練方法，使得它在函數(shù)逼近和非線性系統(tǒng)預測等領域得到廣泛地應用。近年來國內外在徑向基函數(shù)神經網絡用于曲面重構方面的研究工作比較多，普遍人們常用的是使用三個獨立的徑向基函數(shù)網絡分別得出曲面的三坐標與參數(shù)之間的關系，從而間接得到曲面三坐標之間的關系，這勢必將影響到網絡的訓練速度和曲面重構的精度。本文研究如何用一個徑向基函數(shù)先直

2、接得到擬重構曲面的一種映射關系，這種映射關系通過網絡的權值和閥值來修正，其修正方法采用梯度下降算法，通過該算法對其映射關系訓練，通過訓練學習。逐次逼近到所要擬重構曲面．該重構算法具有很強的魯棒性和較高的重構精度．此外，本文還給出了徑向基函數(shù)神經網絡散布常數(shù)選擇的一種方法，因為散布常數(shù)選得太多，易導致過擬合現(xiàn)象；散布常數(shù)選得太少，易導致曲面重構誤差過大．最后，本文通過仿真實驗研究散布常數(shù)對網絡性能的影響以及如何用徑向基函數(shù)神經網絡去用于散