科研之友
微信
新浪微博
Facebook
分享链接
摘要
卷积神经网络通过卷积核的移动加权提取样本点的局部特征，而无网格法基于节点信息构造具有核近似特点的形函数进行离散建模，两者的内在相似性为采用卷积神经网络加速无网格计算过程提供了有利条件．但是基于传统卷积神经网络的改进无网格法包含较为繁琐耗时的非线性参数求解．为了克服这一问题，本文充分利用无网格法能够灵活构建数据样本的优点，提出了一种径向基函数前置卷积神经网络模型．该网络通过径向基函数的前置，提前激活输入数据，实现了非线性变换和数据特征维度跃升，随后再将数据传入传统卷积层得到输出．由于所提网络模型具备线性求解的特点，能够有效提升预测精度与计算效率．在数值算例中，通过对比无网格法直接计算结果、传统卷积神经网络和所提的径向基函数前置卷积神经网络预测结果，系统验证了所提网络模型的有效性．
- 单位
