径向基函数神经网络在散乱数据插值中的应用.pdfVIP

第31 卷第2 期 中 　国 　科 　学 　技 　术 　大 　学 　学 　报 Vol. 31 ,No. 2 2 0 0 1 年 4 月 JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Apr. 2 0 0 1 ( ) 文章编号 2001 径向基函数神经网络在 散乱数据插值中的应用 缪报通 ,陈发来 ( 中国科学技术大学数学系,合肥 230026) ( ) 摘要 :针对径向基函数 RBF 神经网络的特点 ,结合网络设计工作 ,对计算机辅助几 ( ) 何设计 简称 CAGD 中的散乱数据插值和曲面上离散点集的光滑插值问题 ,采用 RBF 神经网络进行求解. 从应用结果来看 ,RBF 网络适合于解决曲面离散点集的光滑 插值问题 , 比传统的样条方法更有效、更方便,具有较好的使用价值 ,并且可以很容易 地推广到求解高维散乱数据插值问题之中. 关键词 :神经网络 ;径向基函数 ;散乱数据插值 中图分类号:O243. 3 　　　文献标识码 :A AMS Subject Classification ( 1991) :Primary 65D05 ,68U05 1 　径向基函数神经网络及其学习算法 人工神经网络(Artificial Neural Networks) 理论是八十年代中后期世界范围内迅速发展起 来的一个前沿研究领域 ,它在模式识别、计算机视觉、信号处理、非线性优化、语音识别、声纳 识别、传感技术与机器人、生物医学工程等领域有着广泛的应用. 其发展对计算机科学、人工 智能、认知科学等学科产生了重要的影响. 目前应用最广泛、基本思想最直观、最容易理解的是多阶层前向神经网络及误差逆传播 [1 ,2 ] ( ) 学习算法 ,简称为BP 网络 . 而径向基函数网络 简称 RBFNN 是另一种前向无反馈神经 网络[3 ] ,它适合于多变量函数的逼近 ,只要中心选择得当 ,只需很少的神经元就可获得很好 的逼近效果. 它还具有唯一最佳逼近点的优点 ,最近几年已成为与 BP 网络并驾齐驱的网 络. ( ) RBF 神经网络模型的拓扑结构十分类似于多层感知器 MLP ,如图 1 所示 ,这是一个前 向无反馈网络 ,分为输入层、隐含层、输出层三层 ,其中隐含层又可包括多层神经元 ,每一层 收稿日期 ( ) ( ) 　基金项目 :973 项目“数学机械化及其自动推理平台”G1998030600 ; 国家自然科学基金资助项目 ;教育 部优秀青年教师基金 ;教育部博士点基金 　作者简介 :缪报通 ,男 ,1974 年生 ,硕士生. 　　　　　　　　　　　　　　　　中国科学技术大学学报 　　　　　　　　　　　　　　第 31 卷 136 神经元相互间没有连接 ,信号只在层与层之间传递 ,其中 x i ( i = 1, 2 , …, n) 表示第 i 个样本 点的输入矢量. y (j = 1, 2 , …, m) 表示第 j 个样本点的输出矢量. c (j = 1, 2 , …, n ) 表示 j