基于改进的BP神经网络的三维几何模型分类器

摘要：

本研究以三维几何模型组件为例,采用增加动量因子和学习速率的方法对基本BP神经网络进行改进,实现了对三维模型的分类。在分类过程中,首先获取各个三维几何组件的边界框(Bounding Box),从中提取需要的输入信息,而后利用改进的BP网络对从三维几何模型提取到的数据进行分类。通过与传统的BP网络进行对比,表明改进后的BP网络收敛速度快,精度高,可以用于三维几何组件分类。

关键词： 人工智能 BP神经网络 三维几何 激活函数

作者: 林红娟 姚琳 Manfred. Vogel Marki. Fabian

作者单位: 北京科技大学信息工程学院,北京市学院路30号,100083,北京 瑞士西北应用技术大学,Steinackerstrasse 5,5210 Windisch, Switzerland 北京科技大学信息工程学院,北京市学院路30号,100083,北京 瑞士西北应用技术大学,Steinackerstrasse 5,5210 Windisch, Switzerland

会议类型: 国内会议

会议名称: 中国人工智能学会第12届全国学术年会

会议地点: 哈尔滨

会议语种:中文

页码: 711-715

在线出版日期: 2007-11-20（万方平台首次上网日期，不代表论文的发表时间）