摘要
径向基函数(RadialBasisFunction,简称RBF)神经网络是一种理想的地学离散数据网格化工具,能够适应各种不同分布形式和边界条件的数据,收敛速度较快,可以逼近任何复杂曲面。这里详细介绍了RBF神经网络的算法。适当径向基函数的形式和偏差系数是使用RBF神经网络作地学曲面重建的关键。大量的实际数据验证结果表明,当选用Gauss型径向基函数时,一般可获得比较理想的网格化效果,同时具备"曲面平滑"和"拟合度高"的特点。
RBF network is an perfect tool for discrete data grid fitting to various kinds of data distribution and boundary condition. It has rapid convergence rate to fit arbitrary complex surface. Experiments show that better effect can be achieved if Gauss RBF and suitable coefficient of skewness are used.
出处
《物探化探计算技术》
CAS
CSCD
2005年第1期75-77,共3页
Computing Techniques For Geophysical and Geochemical Exploration
基金
国家863项目(2001AA135120)
国家973项目(G1999045708)
国家自然科学基金(49973015)
