基于径向基函数神经网络的栅格图像非线性畸变校正

为了减小光电成像测量系统中存在的非线性畸变,提高测量精度,提出了一种基于径向基函数神经网络的图像畸变校正方法。提取带有桶形畸变的栅格图像中的栅格交叉点作为控制点,利用光学成像关系推算出栅格交叉点的理想无畸变位置,构成径向基函数神经网络的训练集。经过训练,可以确定径向基函数神经网络结构的优化参数。针对栅格图像进行了畸变校正实验,并与多项式变形法进行了比较。实验结果表明,所提方法能够自动、有效地校正图像畸变,效果优于多项式变形法。     

利用点插值函数作为试函数的最小二乘配点法

采用径向基函数与多项式基函数作为耦合的基函数,并利用点插值法构造加权残值法中的近似试函数,试函数中的形函数具有狄拉克-δ函数性质,因此可以直接施加本质边界条件．利用这种试函数和采用最小二乘配点法求解了一维二阶微分方程和薄板的弯曲问题,并与理论结果进行对比;同时还检验了配点数以及节点支持域半径对计算精度的影响．数值结果表明：这是一种与单元划分无关的无网格方法,具有模拟简单,计算精度高,收敛快的优点．     

功能梯度材料中的无网格局部径向点插值法

提出一种新的无网格局部径向点插值法来分析功能梯度材料．这种无网格方法采用径向基函数耦合多项式基函数来近似试函数,采用Heaviside函数作为加权残值法中的权函数．构造成的形函数具有Kronecker Delta性质,不再需要额外的处理来施加本质边界条件．若不考虑体力,则所形成的整体刚度矩阵只包含局部边界积分,而不包含局部域积分和奇异积分．在计算过程中,取局部边界积分中的高斯点的材料参数来模拟问题域材料特性的变化．结果表明,这是一种真正的无网格方法,具有模拟简单,计算精度高等优点．     

基于约束优化的混合径向基函数响应面方法

[目的]为更好地求解昂贵黑箱函数优化问题.[方法]在响应面约束优化算法的基础上,采用由薄板样条径向基函数模型和三次径向基函数模型的组合得到的混合模型作为新响应面模型对黑箱函数进行逼近,并且在优化过程中自适应选择混合模型的权重因子.[结果]得到了混合径向基函数响应面算法.[结论]在34个常用检验问题上得到的算法数值实验结果表明所提出的算法优于原有的响应面约束优化算法、OPUS算法和SAMSO算法.     

一种基于径向基函数的近似模型构造方法

发展了一种基于径向基函数的近似模型建立方法。首先采用试验设计方法对设计空间进行样本选择,采用数据分析方法对样本集进行聚类分类,得到径向基函数中的相关参数。对于近似模型权系数采用能够适应大规模并行计算并且能够在全局解空间的多个区域内寻优的遗传算法进行求解,而不是采用最小二乘法通过线性方程的求解获得。最后通过对一维非线性和多维高阶非线性函数的逼近测试,以及对近似模型的拟合函数与原函数之间的误差分析,表明本文提出的基于径向基函数的近似模型方法具有良好的拟合与预测精度。     

用无网格局部径向点插值法分析功能梯度材料问题

采用无网格局部径向点插值法来分析功能梯度材料问题．这种无网格方法采用径向基函数耦合多项式基函数来近似试函数,采用三次样条函数作为加权残值法中的权函数．所构造成的形函数具有Kronecker Delta性质,方便处理本质边界条件．在计算过程中,取积分中的高斯点的材料参数来模拟问题域材料特性的变化．结果表明这是一种真正的无网格方法,模拟简单而且计算精度高．     

用径向基函数Galerkin法求两点边值问题

用径向基函数来构造Galerkin型无网格法是一种新型的数值算法,各种数值方法均得到广泛的应用.将其应用于求常微分方程中的两点边值问题,通过对算例中近似解与数值解产生的误差对比,说明用径向基函数Galerkin法稳定性好,且计算精度较高,是一种有效的求解方法.     

基于摄动技术的随机无网格点插值法在结构可靠性分析中的应用

为有效解决点插值法在随机结构可靠性分析中遇到的系数矩阵奇异性问题及提高解的精度问题,将带有多项式的径向基函数点插值法与随机摄动技术相结合引入到随机结构问题计算中.采用径向基函数耦合多项式基函数构造形函数,其插值函数具有Kronecker Delta函数性质,可以很方便地施加本质边界条件.最后用算例验证了此方法不仅在随机...     

利用RBF神经网络实现高斯型函数积分

导出了在一定精度下高斯型函数积分近似表达式,利用径向基函数(RBF)网络具有良好的逼近任意非线性映射的特点,提出了一种改进的RBF网络方法以实现对高斯型函数积分。实验结果表明所提出方法具有较高的逼近计算精度。     

径向基函数Galerkin方法在地下水数值模拟中的应用

本文主要介绍了利用径向基函数构造Galerkin型无网格方法.并将其应用于解决地下水稳定渗流问题,讨论了近似解与精确解所产生的误差对比.结果表明,径向基函数Galerkin是一种既有效又有较高精度的求解方法.