基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点,本文采用RBF网络模型进行自由曲面重构,建立了适应于曲面重构的径向基函数网络模型,讨论了基函数对重构曲面连续性的影响,并与多自由曲面重构,建立了适应于曲面重构的径向基函数风络模型,讨论了基函数对重构曲面连续性的影响,并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性,径向基函数网络用于曲面重构,不论是在拟合精度,还是网络的训练速度都明显优于多层感知器网络,具有一定的实用价值。