基于径向基神经网络(Radial Basis Function Network,简称RBFN)及支持向量机(Support VectorMachine,简称SVM)的类似性,文章采用相同的符号体系,推导了RBFN及SVM在进行函数拟合时的表达式,指出这2种表达式形式上类似,主要区别是参数的...基于径向基神经网络(Radial Basis Function Network,简称RBFN)及支持向量机(Support VectorMachine,简称SVM)的类似性,文章采用相同的符号体系,推导了RBFN及SVM在进行函数拟合时的表达式,指出这2种表达式形式上类似,主要区别是参数的计算方法有所不同;以RBFN及SVM的拟合结果为响应面,基于蒙特卡罗模拟法进行了边坡的可靠度分析。计算结果表明,基于RBFN的蒙特卡罗模拟法与基于SVM的蒙特卡罗模拟法具有较高的计算精度及效率,2种方法在计算精度上没有明显的区别。展开更多
文摘基于径向基神经网络(Radial Basis Function Network,简称RBFN)及支持向量机(Support VectorMachine,简称SVM)的类似性,文章采用相同的符号体系,推导了RBFN及SVM在进行函数拟合时的表达式,指出这2种表达式形式上类似,主要区别是参数的计算方法有所不同;以RBFN及SVM的拟合结果为响应面,基于蒙特卡罗模拟法进行了边坡的可靠度分析。计算结果表明,基于RBFN的蒙特卡罗模拟法与基于SVM的蒙特卡罗模拟法具有较高的计算精度及效率,2种方法在计算精度上没有明显的区别。