神经网络隐式法和其在石油数据中的应用研究.pdf

摘要 将隐式曲线曲面构造原理与多层前馈神经网络相结合，提出了基于神经网 络的隐式曲线曲面构造方法和基于隐式曲线构造原理的神经网络隐式法，并对 其进行了深入研究，取得如下研究成果： l、提出了隐层激活函数为Sigmoid型、输出层为线性函数的多层前馈神经 网络构造隐式曲线曲面方法，给出了用约束点来攒述、控制曲面形状、构造输 入与输出，通过智能学习、仿真模拟、等值面抽取构造隐式曲线曲面的算法过 程；理论上证明了此方法所构造的隐式曲线曲面具有任意高的逼近性。在算法 稳定性、收敛速度等方面较其它方法有很大的提高。实验表明该方法对约束点 的个数、误差、内外点与边点的距离等不敏感，表现出良好的稳定性与可操作 性。 2、首次提出了对物体边界拓扑结构不敏感的内外点选择及约束点自适应选 择算法：由于物体边界的表达式一般是未知的，因而必须基予图像的内外点选择 算法。对凸形的物体边界，最理想的约束点选择算法是找到物体的中心，然有 ’利用边界上的点与中心构成直线获得内外点。获得物体内外点的常用方法是利 用物体边界的法线进行选取的，但此方法仅对凸物体边界是有效的，对凹物体 存在内外点错误选择的情形。利用二值数学形态学腐蚀、膨胀操作，提出了不 受物体边界拓扑结构