| DC 欄位 |
值 |
語言 |
| DC.contributor | 機械工程學系 | zh_TW |
| DC.creator | 張加儒 | zh_TW |
| DC.creator | Chia-Ru Chang | en_US |
| dc.date.accessioned | 2004-7-18T07:39:07Z | |
| dc.date.available | 2004-7-18T07:39:07Z | |
| dc.date.issued | 2004 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:444/thesis/view_etd.asp?URN=91323094 | |
| dc.contributor.department | 機械工程學系 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.abstract | 本研究主要是探討，如何透過類神經網路之學習訓練，找出量測點資料之特徵點，並藉此建立其曲面之數學表示式。
在過去的研究中，點資料之描述可透過網格曲面以及參數曲面兩種方式。透過三角格網格建立原始點資料曲面的方法，雖能描述任何形狀之曲面，但必須耗費大量的系統資源。參數曲面中，利用數學函式為基礎之B-Spline曲面，可大幅改善此缺點，但其特徵點之選擇只能透過人工的方式選擇，且數量並無法確實掌握。
本研究是利用自組織映射圖（Self-Organizing Maps，SOM）網路，其無監督式學習之優點以及鄰近區域之概念，找出足以代表點群聚類特徵的網路拓撲，藉此當作特徵點，進行參數曲面重健，以改善網格曲面之缺點，以及參數曲面中特徵點選取之問題。
重建過程中，利用一維SOM網路進行曲面重建雖具有較快之學習速率，但無法描述不為排列整齊之點資料。二維SOM網路重建曲面則可以修正此問題，同時進一步利用參數調整與誤差修正方法，獲得不錯之重建結果。 | zh_TW |
| DC.subject | 參數曲面重建 | zh_TW |
| DC.subject | 逆向工程 | zh_TW |
| DC.subject | 類神經網路 | zh_TW |
| DC.subject | 自組織映射圖網路 | zh_TW |
| DC.subject | Self-Organizing Maps | en_US |
| DC.subject | B-Spline | en_US |
| DC.subject | SOM | en_US |
| DC.subject | Surface reconstruction | en_US |
| DC.subject | Neural Netwok | en_US |
| DC.title | 類神經網路理論於逆向工程曲面重建之研究 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |