径向基函数网络的隐式曲面方法

将径向基函数网络与隐式曲面构造原理相结合,提出一种构造隐式曲面的方法．首先以描述物体曲面的隐式函数为基础构造三元显式函数,然后用径向基函数网络逼近显式函数,最后从神经网络的仿真超曲面得到描述物体的封闭曲面;并证明了在理论上此等值面可以以任意精度逼近物体曲面．该方法具有光滑度高、稳定性好,尤其适用少量采样点情形等特点．实验表明,它具有很强的造型能力．     

基于径向基函数的单级插值隐式曲面重构

研究基于径向基函数单级插值隐式曲面重构问题．探讨基于标准紧支撑径向基函数和变形径向基函数插值的参数求解过程。实验结果表明,该方法能有效地构造隐式曲面。并且插值过程相当快。     

基于椭球约束的径向基函数隐式曲面重建

对三维点云进行隐式曲面重建是解决虚拟现实等方面所存在问题的关键。本文提出 了一种基于椭球约束的径向基函数隐式曲面建模的算法,该方法在仅有点云信息的前提下仍能够 非常精确地拟合点云数据。当点云稀疏时拟合后的模型可以非常好地保证模型的主要特征,但对 于拟合大规模数据点集时,模型会出现冗余现象,保特征效果不理想且效率低下。需将点云进行 适当分割,然后并行拟合被分割点云并将它们进行光滑拼接处理。实验效果表明该算法保特征效 果非常好且效率明显提高。     

使用局部支撑径向基函数的隐式曲线曲面几何迭代算法

由散乱数据稳定重构曲线曲面,在变分拟插值方法的基础之上,提出了使用局部支撑径向基函数的隐式几何迭代算法.首先,根据给定数据点的法向构造隐式函数的非零约束,构造计算隐函数系数的迭代格式,并讨论其收敛性;然后,在此基础上引入加速因子,对隐式迭代算法进行加速,同时讨论了加速算法的收敛性;最后,为了降低迭代过程空间和时间的复杂度,给出了一种加速算法的改进版本.数值实验表明,使用局部支撑径向基函数的隐式几何迭代算法对曲线曲面重构是有效的,并对部分信息缺失、非均匀分布、带噪声采样数据的重构也达到了较好的效果,且实现简单,易于并行.     

基于径向基函数的三角网格曲面孔洞修补算法

提出一种对三角网格曲面中孔洞的修补算法,在对孔洞多边形进行填补后,使用径向基函数建立孔洞曲面的隐式方程,然后把新增加的三角片顶点映射到曲面上．由于在修补时不仅考虑了对孔洞多边形的三角划分问题,还考虑了孔洞周围的几何信息,使得修补后的孔洞曲面与原始曲面光滑地融为一体,尤其对曲率变化较剧烈部位处的孔洞取得了理想的修补效果．     

基于BP神经网络的隐式曲线构造方法

隐式曲线与曲面是当前计算机图形学研究的热点之一。通过把BP神经网络与隐式曲线构造原理相结合，提出了一种构造隐式曲线的新方法，即首先由约束点构造神经网络的输入与输出，把描述物体边界曲线的隐式函数转化为显式函数；然后用BP神经网络对此显式函数进行逼近；最后由仿真曲面得到物体边界的拟合曲线。该新方法不同于传统的对显式函数的逼近方法，因为传统方法无法描述封闭的曲线；也不同于基于优化的拟合隐式曲线方法，因为它无须考虑函数的形式或多项式的次数。实验表明，该新方法有很强的物体边界描述能力和缺损修复能力，因而在物体边界重建、缺损图像复原等领域有一定的应用前景。     

基于蚁群径向基函数网络的地下水预测模型

提出了一种基于蚁群算法的径向基函数神经网络,用它来进行地下水位预测,既具有神经网络广泛映射能力,又具有蚁群算法全局寻优、分布式计算等特点。实验表明,蚁群算法与径向基函数神经网络相融合能达到良好的预测效果。     

基于径向基函数网络的模拟电路故障诊断

本文首先介绍一种在逼近能力、分类能力和学习速度方面都优于BP网络的径向基函数网络:它是一种前馈型网络,与普通的前向网络有所不同;隐层神经元是径向基神经元。其次通过对它的结构及工作原理的了解,归纳出进行模拟电路故障诊断的方法,最后给出仿真实例。实验证明此方法与传统方法相比有更好的实时性和诊断效。     

基于径向基函数网络的SFS算法研究

分析了现有从明暗恢复形状(SFS)的几种方法普遍存在对恢复的形状的连续性和光滑性的缺点,提出了一种基于径向基函数网络模型进行从明暗恢复形状的新算法。该算法先采用网络构造一个曲面方程,再利用反射函数作为约束条件,通过调整权因子和径向基函数中心和宽度对网络进行自学习,得到一个满意的曲面方程。理论和实验证明,该算法在恢复形状的准确性和曲面的光滑性,连续性上有较大改进。     

径向基函数网络在数值计算中的应用

由经典的函数逼近理论衍生的很多数值算法有共同的缺点：计算量大、适应性差、对模型和数据要求高,在实际应用中受到限制。神经网络可以被用来计算复杂输入与输出结果之间的关系,故神经网络具有很强的函数逼近功能。该文给出了径向基函数网络（RBFNN）的结构及学习过程,重点阐述了RBFNN在函数逼近、求解非线性方程组以及散乱数据插值中的应用,结合MATLAB神经网络工具箱给出了数值实例,并与BP网络进行了比较。应用结果表明RBFNN是数值计算的一个有力工具,与传统方法比较具有编程简单、实用的特点,在工程和科学研究上若将其制成软件包则具有很好的使用价值。     

Implicit Fitting Using Radial Basis Functions with Ellipsoid Constraint

Implicit planar curve and surface fitting to a set of scattered points plays an important role in solving a wide variety of problems occurring in computer graphics modelling, computer graphics animation, and computer assisted surgery. The fitted implicit surfaces can be either algebraic or non‐algebraic. The main problem with most algebraic surface fitting algorithms is that the surface fitted to a given data set is often unbounded, multiple sheeted, and disconnected when a high degree polynomial is used, whereas a low degree polynomial is too simple to represent general shapes. Recently, there has been increasing interest in non‐algebraic implicit surface fitting. In these techniques, one popular way of representing an implicit surface has been the use of radial basis functions. This type of implicit surface can represent various shapes to a high level of accuracy. In this paper, we present an implicit surface fitting algorithm using radial basis functions with an ellipsoid constraint. This method does not need to build interior and exterior layers for the given data set or to use information on surface normal but still can fit the data accurately. Furthermore, the fitted shape can still capture the main features of the object when the data sets are extremely sparse. The algorithm involves solving a simple general eigen‐system and a computation of the inverse or psedo‐inverse of a matrix, which is straightforward to implement.     

基于动态自适应RBF网络的元音识别研究

鉴于BP网络训练时间过长，且易于陷入局部最优解，本文采用RBF网络来实现元音字母的语音识别。RBF网络的构造通过一种动态自适应聚类算法来完成，使得RBF网络具有在线学习能力。示例计算结果表明，这种RBF网络具有比BP网络和贝叶斯分类器更好的分类精度。     

逆系统方法的径向基函数网络实现

研究采用径向基函数网络（ＲＢＦＮ）构造系统逆控制器的工程实现问题，同时给出该直接逆动态控制器存在的充分条件。为进一步改善基于ＲＢＦＮ的直接逆动态控制器的动态性能，对该伪逆系统进行ＰＩＤ综合。仿真研究表明，以ＲＢＦＮ拟合对象逆过程的ＰＩＤ综合控制策略不仅能改善系统的动态性能，而且具有良好的参数鲁棒性能。     

基于CRBF神经网络的分类算法及应用

通过对CRBF的分析研究，提出一种基于CRBF神经网络的分类算法。采用数学模型和几何模型构造其应用模型，通过分类算法的训练过程修改应用模型中的相关参数，使得分类结果更趋合理。通过CENTUM3000和Visual Basic6.0平台开发了化工厂爆炸监控系统。实践表明，分类结果与监控设备运行结果吻合得很好，满足了工厂监控系统的实际需求，证明该分类算法和应用模型具有较高的理论和实用价值。     

基于RBF神经网络的伊犁马体重估测模型

马匹体重是反映与衡量其健康状况的重要指标之一,并在马匹选育、肉质评价、饲养管理、马匹鉴定等方面具有重要参考意义。传统马体重估测模型的特征值之间存在共线性问题。故文中利用85匹一至三岁伊犁马的胸围、体高、体长信息作为特征值,采用K均值聚类算法确定隐含层中心点位置,并构建了基于径向基函数(RBF)的神经网络体重估测模型。模型采用平均绝对离差与线性拟合优度作为评价指标。线性伊犁马体重估测模型的平均绝对离差为15.45 kg,决定系数R 2为0.688,基于RBF神经网络的伊犁马体重估测模型的平均绝对离差为7.75 kg,决定系数R 2为0.917。研究结果表明:RBF神经网络模型能有效去除特征值之间的共线性问题,提高伊犁马体重估测准确度。基于RBF神经网络的伊犁马体重估测模型效果优于线性回归、通用性马体重估测模型,为准确估测伊犁马体重提供了新思路。     

基于径向基函数神经网络的智能嗅觉系统

提出了基于智能嗅觉系统的识别混合有毒气体组分浓度的方法。该系统包括两大部分：有毒气体传感器阵列模埠和径向基函数神经网络模块。前者用于获取反映有毒气体组分的电信号，后者用于提高识别混合有毒气体组分的选择性，降低气体传感器阵列中各个敏感器件的交叉灵敏度。径向基函数神经网络具有很强的非线性并行处理能力和容错能力，实例分析取得了满意的测量结果。     

基于自适应归一化 RBF 网络的Q-V 值函数协同逼近模型

径向基函数网络逼近模型可以有效地解决连续状态空间强化学习问题。然而,强化学习的在线特性决定了 RBF 网络逼近模型会面临“灾难性扰动”,即新样本作用于学习模型后非常容易对先前学习到的输入输出映射关系产生破坏。针对 RBF 网络逼近模型的“灾难性扰动”问题,文中提出了一种基于自适应归一化 RBF（ANRBF）网络的 Q-V 值函数协同逼近模型及对应的协同逼近算法———QV（λ）。该算法对由 RBFs 提取得到的特征向量进行归一化处理,并在线自适应地调整 ANRBF 网络隐藏层节点的个数、中心及宽度,可以有效地提高逼近模型的抗干扰性和灵活性。协同逼近模型中利用 Q 和V 值函数协同塑造 TD 误差,在一定程度上利用了环境模型的先验知识,因此可以有效地提高算法的收敛速度和初始性能。从理论上分析了 QV（λ）算法的收敛性,并对比其他的函数逼近算法,通过实验验证了 QV（λ）算法具有较优的性能。