基于稳健估计的正则化RBF网络拟合模型优化
Journal of Hebei University of Water Resources and Electric Engineeging（2019）
摘要
GNSS高程和水准测量的正常高程转换是现代化测绘基准体系基准建设中的重点项目.RBF网络拟合模型中径向基函数中心值设置过程的随机性往往导致其拟合结果不太理想.文中在研究正则化RBF神经网络拟合模型的基础上,将选权迭代的稳健估计应用于网络隐层中心值的确定方法中,构建了一种中心优化的正则化RBF神经网络高程拟合模型.通过对某县区小范围内的工程数据进行拟合测试,结果表明经抗差优化的RBF拟合模型具有一定的优越性,其外符合精度可达厘米级,可以满足一般工程应用所需的精度.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要