机械设计与研究
機械設計與研究
궤계설계여연구
MACHINE DESIGN AND RESEARCH
2011年
1期
10-12
,共3页
逆向工程%矩形网格%神经网络%边缘误差%散乱数据
逆嚮工程%矩形網格%神經網絡%邊緣誤差%散亂數據
역향공정%구형망격%신경망락%변연오차%산란수거
基于SOFM神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成期望疏密程度和精度的双有序点列,但该模型存在边缘误差.为减小矩形网格的边缘误差,改进了矩形网格模型的训练模式,提出了3步训练模式.第1步采用整个测量点集,对矩形网格模型中的所有神经元进行整体训练;第2步采用测量点集中的边界点集,对矩形网格模型中的网格边界神经元进行训练;第3步采用边界点集中的角点点集,对矩形网格模型中的网格边界角点神经元进行训练.算例表明,应用该训练模式,可以有效减小矩形网格的边缘误差,矩形网格逼近散乱数据点集的逼近精度得到提高并覆盖数据点集整体分布范围.
基于SOFM神經網絡構建的矩形網格模型可以實現密集散亂點數據自組織壓縮,生成期望疏密程度和精度的雙有序點列,但該模型存在邊緣誤差.為減小矩形網格的邊緣誤差,改進瞭矩形網格模型的訓練模式,提齣瞭3步訓練模式.第1步採用整箇測量點集,對矩形網格模型中的所有神經元進行整體訓練;第2步採用測量點集中的邊界點集,對矩形網格模型中的網格邊界神經元進行訓練;第3步採用邊界點集中的角點點集,對矩形網格模型中的網格邊界角點神經元進行訓練.算例錶明,應用該訓練模式,可以有效減小矩形網格的邊緣誤差,矩形網格逼近散亂數據點集的逼近精度得到提高併覆蓋數據點集整體分佈範圍.
기우SOFM신경망락구건적구형망격모형가이실현밀집산란점수거자조직압축,생성기망소밀정도화정도적쌍유서점렬,단해모형존재변연오차.위감소구형망격적변연오차,개진료구형망격모형적훈련모식,제출료3보훈련모식.제1보채용정개측량점집,대구형망격모형중적소유신경원진행정체훈련;제2보채용측량점집중적변계점집,대구형망격모형중적망격변계신경원진행훈련;제3보채용변계점집중적각점점집,대구형망격모형중적망격변계각점신경원진행훈련.산례표명,응용해훈련모식,가이유효감소구형망격적변연오차,구형망격핍근산란수거점집적핍근정도득도제고병복개수거점집정체분포범위.
