基于混合訓練方法的ＲＢＦ神經網絡的曲面重構

摘要：根據徑向基函數神經網絡(RBFNN)具有很強的非線性逼近能力，以及強大的抗噪、修復能力等優點，討論了目前神經網絡訓練方法，提出將徑向基函數神經網絡應用于帶有噪聲數據散亂數據點自由曲面的重構，并對該方法理論上的可行性和實踐上的實用性進行了討論和驗證。結果表明：徑向基函數網絡用于曲面重構， 不僅能夠有效地逼近不完善的、帶有噪聲的曲面，而且擬合精度高、網絡的訓練速度快，說明了徑向基函數神經網絡應用于曲面重構問題的可行性，為解決反向工程的技術關鍵——自由曲面重構提供了一個新的途徑。

關鍵詞：曲面重構；徑向基函數；雙三次B樣條

中圖法分類號：TP183； TP391.72

文獻標識碼：A

文章編號：1001-3695(2006)04-0161-04