地学自由曲面径向基函数网络重建的详细算法

• 作者: 何凯涛 王全明 陈明
• 来源期刊: 物探化探计算技术
• 学科: 工学
• 关键词: 径向基网络 插值 信息 数学地质 人工神经网络
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 75-77
• 页数: 3页
• 分类号: TP183
• 字数: 1642字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2005.01.018

摘要

径向基函数(Radial Basis Function,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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王全明		16	324	8.0	16.0
2	何凯涛		11	222	7.0	11.0
4	陈明		19	219	8.0	14.0