.png){kind=icon}
返回
Shape Parameter Optimization in Radial Basis Function by Grey Wolf Method
.png){kind=icon}
PRE
AI
DOI：10.1142/s0219876226500283.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了通过实现灰狼优化（GWO）算法来优化径向基函数（RBF）插值中的形状参数，以提升二维函数插值和图像放大任务中的效率与效果。该方法论涉及在基准函数和图像数据集上测试该方法，并将结果与MATLAB的GlobalSearch算法及随机参数选择进行比较。尽管RBF始终展示了高精度能力，但这种精度主要是在RBF插值矩阵的严重病态条件下实现的。此外，该方法表现出改进的计算效率，在图像放大应用中比GlobalSearch算法快达13倍，突显了受自然启发的优化技术在科学计算和图像处理中的潜力。
Keyword:
Radial basis function (RBF)
shape parameter optimization
multiquadratics
grey wolf optimizer
image zoom-in
期刊
I
IF:
1.6
论文数:
83
被引数:
1.6K
机构
引用论文
分享收藏分享收藏Interpolation of scattered data: Distance matrices and conditionally positive definite functions
PREAI
分享收藏分享收藏Optimizing the shape parameters of radial basis functions: An application to automobile crashworthiness.png)
Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering
Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile EngineeringIF0
PREAI
分享收藏
查看更多内容