神经网络及其在CAGD中的利用.pdf

摘要 神经网络的应用领域是极其广泛的，它已应用于模式识别、优 化控制、故障检测、信息分类、市场预测与分析等众多方面，其应 用领域包括军事、工业生产、金融等方面．一 我们对应用最广泛的逆误差传播(BP)神经网络及径向基 函数(RBF)神经网络分别进行了回顾与分析，比较了各种神经 网络算法的特性与优缺点，选取了两种不同的算法应用于CAGD 中一些问题的研究．在BP网络中，我们采用改进的Levenberg— Marquardt(LM)算法代替一般的梯度最速下降法，RBF网络中我 们采用自动选择隐层单元数和中心矢量的OLS学习算法． 我们将BP网络和RBF网络用于解决CAGD中的下列问题： 1，函数的逼近；2，散乱数据的插值；3，自由曲面的生成和重 建；4，曲面上的离散点集的光滑插值问题．我们将神经网络算法 和以前的算法进行比较，发现神经网络方法是一种有效的解决问题 的方法．在不同的问题上，BP网络与RBF网络各有自己的优劣． 关键词：神经网络j BP网络，RBF网络，’￡M算法，OLS算 法j逆工程，自由曲面；逼近，插值，重建 Abstract as networkhasa of such Neural variety pat— applications tern classifica- controll，errordetection，infomation recognition，optimal and etc．[ts areasincludemil— tion，marketpredictionanalysesapplication on． andSO productionIfinance itary，industry Inthis reviewand paper，we analyserespectivelyback—propagation networkandradialbasis network (BP)neural function(RBF)neural whichare in mostlypopularapplications． with We descentmethodLevenberg-Marquardt replacegradient weuse al— inBPneural OLS (LM)algorithmnetwork，and learning witch selectshiddenunitsandcentersinRBF gorithmautomatically network． to the We BPneuralnetworkandRBFneuralnetworksolve apply inCAGD： followingproblems of functions； 1，Approxi