期刊文献+

基于广义多项式神经网络的点云数据隐式曲面重构方法 被引量:4

Implicit surface reconstruction from point cloud data based on generalized polynomials neural network
下载PDF
导出
摘要 针对点云数据的三维重建问题,提出了一种隐曲面重构的广义多项式神经网络新方法。该广义多项式神经网络隐层各神经元激励函数互不相同且线性无关,能够对应地学习点云数据样本中不同的模式,因此,具有较好的学习能力。基于梯度下降法原理,推导了其学习算法。仿真实验尝试将该方法应用于一些简单封闭物体的带噪点云数据隐式曲面重建,取得了较理想的重建质量和去噪效果。 A new type of generalized polynomials neural network was proposed to reconstruct 3D implicit surface from the scattered points. Since its hidden-layer neurons were activated with the different and linear independent generalized polynomials, the proposed neural network could achieve good performance in learning different patterns. Then the weightsupdating formula for the new type of neural network was derived based on gradient-descent method. The simulation results on some scattered point models show that this method can obtain good reconstruction quality and denoising effect.
出处 《计算机应用》 CSCD 北大核心 2009年第8期2043-2045,2064,共4页 journal of Computer Applications
基金 国家自然科学基金资助项目(60775050) 浙江大学CAD/CG国家重点实验室开放课题
关键词 广义多项式 神经网络 隐式曲面 点云 generalized polynomial neural network implicit surface scattered point
  • 相关文献

参考文献7

二级参考文献51

共引文献152

同被引文献25

引证文献4

二级引证文献17

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部