论文部分内容阅读
为解决大样本集的简化建模和快速训练问题,以层次划分为思想基础,提出了基于径向基函数神经网络的混合网络（RBFMNN）模型,对自由曲面进行重构.用减聚类方法划分样本空间,对各子样本空间用正交最小二乘法进行RBF子网络训练.最后,利用最大似然法来校正RBF子网输出层的参数,以进一步提高混合网络输出精确度.试验结果表明,该网络模型对已知理想的曲面拟合误差为10^6星级.