论文部分内容阅读
研究人员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,研究人员采用改进的Levenberg-Marquardt(LM)算法代替一般的梯度最速下降法,RBF网络中研究人员采和自动选择隐层单元数和中心矢量的OLS学习算法.研究人员将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.研究人员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.