Resumen

Este artículo presenta un nuevo enfoque híbrido funcional-neuronal para la reconstrucción de superficies. Nuestro enfoque se basa en la combinación de dos potentes paradigmas de inteligencia artificial: por un lado, aplicamos la popular red neuronal de Kohonen para abordar el problema de la parametrización de datos. Por otro, introducimos una nueva red funcional, denominada red funcional NURBS, cuya topología está orientada a reproducir fielmente la estructura funcional de las superficies NURBS. Estas redes neuronales y funcionales se aplican de forma iterativa para el posterior refinamiento de las superficies. La hibridación de estas dos redes nos proporciona un potente enfoque computacional para obtener una superficie de ajuste NURBS a un conjunto de puntos de datos ruidosos muestreados irregularmente dentro de un umbral de error prescrito. El método se ha aplicado a dos ejemplos ilustrativos. Los resultados experimentales confirman el buen rendimiento de nuestro enfoque.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:potentes paradigmas de inteligencia artificial, red funcional nurbs, problema de parametrización de datos, mayor refinamiento de la superficie, nueva red funcional, puntos de datos ruidosos, potente enfoque computacional, umbral de error prescrito, enfoque, superficies nurbs
• Keywords:powerful artificial intelligence paradigms, nurbs functional network, data parameterization problem, further surface refinement, new functional network, noisy data points, powerful computational approach, prescribed error threshold, approach, nurbs surfaces