基于神經(jīng)網(wǎng)絡(luò)的dem高程內(nèi)插方法研究

《基于神經(jīng)網(wǎng)絡(luò)的dem高程內(nèi)插方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、基于神經(jīng)網(wǎng)絡(luò)的DEM高程內(nèi)插方法研究-->基于神經(jīng)網(wǎng)絡(luò)的DEM高程內(nèi)插方法研究摘要：基于神經(jīng)網(wǎng)絡(luò)的BP算法技術(shù)是將神經(jīng)網(wǎng)絡(luò)中隱含的知識(shí)以一種易于理解的方式明確地表示出來(lái)。該技術(shù)綜合了并行直觀性和串行邏輯性兩個(gè)側(cè)面，通過(guò)對(duì)已知信息的學(xué)習(xí)來(lái)尋求未知信息，適合非線性數(shù)據(jù)和含噪聲數(shù)據(jù)，由于單一的神經(jīng)網(wǎng)絡(luò)難以應(yīng)對(duì)一些復(fù)雜的問(wèn)題，于是我們就設(shè)法將DEM和高程內(nèi)插兩種神經(jīng)網(wǎng)絡(luò)結(jié)合在一起形成一種混合神經(jīng)網(wǎng)絡(luò)來(lái)應(yīng)對(duì)一些復(fù)雜的問(wèn)題。DEM樣條神經(jīng)網(wǎng)絡(luò)是基函數(shù)采用DEM樣條函數(shù)的一種特殊的神經(jīng)網(wǎng)絡(luò)模型，有時(shí)也稱為BMAC神經(jīng)網(wǎng)絡(luò)。DEM樣條神經(jīng)網(wǎng)絡(luò)具有很多特殊的性質(zhì)，對(duì)它的研究和應(yīng)用一直倍受關(guān)注。齡東軍、王士同討論

2、了DEM樣條基函數(shù)的特性，在此基礎(chǔ)上采用構(gòu)造性的方法從理論上證明了DEM樣條神經(jīng)網(wǎng)絡(luò)能夠以任意精度逼近任意定義在致密區(qū)間上的連續(xù)實(shí)函數(shù)。最后給出了構(gòu)造性算法，使用此算法，能在滿足誤差要求的條件下，構(gòu)造出幾乎最小的DEM樣條基函數(shù)。范俊波、郝繼升提出DEM樣條網(wǎng)絡(luò)的一種自適應(yīng)學(xué)習(xí)算法。在這種算法中，網(wǎng)絡(luò)隱層DEM樣條基函數(shù)的個(gè)數(shù)根據(jù)訓(xùn)練數(shù)據(jù)自動(dòng)確定，而非零DEM樣條基函數(shù)對(duì)應(yīng)的內(nèi)結(jié)點(diǎn)位置和連接權(quán)通過(guò)梯度下降法迭代調(diào)整。計(jì)算機(jī)模擬結(jié)果表明該算法比現(xiàn)有的DEM樣條網(wǎng)絡(luò)學(xué)習(xí)算法更加有效和實(shí)用。關(guān)鍵詞：DEM高程內(nèi)插混合神經(jīng)網(wǎng)絡(luò)BP算法目錄第1章BP算法的概念………………………………………………11.1

3、BP算法發(fā)展概述………………………………………………………11.1.1數(shù)據(jù)豐富與知識(shí)匱乏………………………………………………11.1.2從數(shù)據(jù)到知識(shí)……………………………………………………21.1.3BP算法的產(chǎn)生………………………………………………………31.2BP算法的基本知識(shí)…………………………………………………41.3BP算法的方法和技術(shù)…………………………………………………61.4BP算法結(jié)果的評(píng)估………………………………………………………81.5BP算法實(shí)際應(yīng)用……………………………………………………9第2章神經(jīng)網(wǎng)絡(luò)與遺傳算法……………………………………………102.1人工神經(jīng)網(wǎng)絡(luò)

4、概述………………………………………………………102.1.1人工神經(jīng)網(wǎng)絡(luò)的發(fā)展………………………………………………102.1.2神經(jīng)元的工作原理及神經(jīng)網(wǎng)絡(luò)特點(diǎn)……………………………………122.1.3應(yīng)用狀況及研究方向..………………………………………152.2.遺傳算法………………………………………………………152.2.1遺傳算法的形成與發(fā)展…………………………………………152.2.2遺傳算法的研究現(xiàn)狀與方向…………………………………162.2.3遺傳算法和神經(jīng)網(wǎng)絡(luò)的結(jié)合…………………………………182.2.3.1兩種技術(shù)結(jié)合的可能性……………………………………182.2.3.2基于遺傳

5、算法的神經(jīng)網(wǎng)絡(luò)計(jì)算……………………………18第3章DEM神經(jīng)網(wǎng)絡(luò)與Elamn神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)……………………………183.1DEM神經(jīng)網(wǎng)絡(luò)概述……………183.1.1前向型神經(jīng)網(wǎng)絡(luò)及相關(guān)定義………183.1.2DEM神經(jīng)網(wǎng)路工作原理…………183.1.3DEM神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及應(yīng)用領(lǐng)域…………………………………193.2高程內(nèi)插神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)……………………………………22第4章混合神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)………………………………………………224.1.混合神經(jīng)網(wǎng)絡(luò)研究意義…………………………………………224.2混合神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀…………………………………224.3DEM樣條神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀…………………

6、…………………224.4利用串/井聯(lián)混合神經(jīng)網(wǎng)絡(luò)建?！?2第5章基于DEM和高程內(nèi)插混合神經(jīng)網(wǎng)絡(luò)的BP算法技術(shù)研究………235.1混合神經(jīng)網(wǎng)絡(luò)BP算法方法中的數(shù)據(jù)準(zhǔn)備…………………………245.1.1數(shù)據(jù)清洗與選擇………………………………………265.1.2數(shù)據(jù)預(yù)處理……………………………………………265.1.2.1計(jì)算屬性……………………………………………275.1.2.2比例變換…………………………………………275.1.2.3正則化……………………………………………………325.1.2.4符號(hào)映射和類層次………………………………………325.1.2.5符號(hào)數(shù)據(jù)向數(shù)值

7、數(shù)據(jù)的轉(zhuǎn)換…………………………32第一章緒論1.1BP算法發(fā)展背景1.1.1數(shù)據(jù)豐富與知識(shí)匱乏DEM是對(duì)地球表面的數(shù)字表達(dá)，它彌補(bǔ)了等高線的不足，既能表示地面連續(xù)的起伏變化，又適合作相應(yīng)的數(shù)學(xué)分析和模擬。它是多學(xué)科交叉與滲透的高科技產(chǎn)物，在測(cè)繪、資源與環(huán)境、災(zāi)害防治、國(guó)防等與地形分析有關(guān)的科研及國(guó)民經(jīng)濟(jì)各領(lǐng)域中發(fā)揮著越來(lái)越重要的作用。正是由于DEM具有廣泛的應(yīng)用價(jià)值，而且DEM質(zhì)量的優(yōu)劣直接影響到