《表5 不同BP网络算法下烔炀河区域分类精度对比》

提取 ⇩
《表5 不同BP网络算法下烔炀河区域分类精度对比》
《基于改进BP神经网络的多分辨率遥感图像分类及对比分析》

从BP算法中可以得知,S函数参与的是信息正向传播过程,学习率η参与的是误差反向传播过程,分别单独改进BP网络中S函数和学习率η,与上文中BP网络分类、改进的BP网络分类进行对比,来分析S函数与学习率η对分类精度的提高贡献,结果如表5所示。

  1. 保存图表

查看“表5 不同BP网络算法下烔炀河区域分类精度对比”的人还看了

表1 BP神经网络与递归STA/LTA-BP神经网络识别结果
表1 BP神经网络与递归STA/LTA-BP神经网络识别结果
综合集成高精度智能微震监测技术及其在深部岩石工程中的应用
表2 BP神经网络反演结果精度分析
表2 BP神经网络反演结果精度分析
平顶山地下盐穴储气库建库盐层分布预测
表2 与BP神经网络算法比较
表2 与BP神经网络算法比较
基于LSTM网络的建筑能耗预测方法
表1 网络参数设置:图像融合的循环神经网络去雾算法
表1 网络参数设置:图像融合的循环神经网络去雾算法
图像融合的循环神经网络去雾算法
表3 实验环境参数:遗传算法优化确定BP神经网络的遥感图像分类
表3 实验环境参数:遗传算法优化确定BP神经网络的遥感图像分类
遗传算法优化确定BP神经网络的遥感图像分类
表1 BP神经网络与SA-BP神经网络预测精度评价指标统计表
表1 BP神经网络与SA-BP神经网络预测精度评价指标统计表
基于优化的BP神经网络算法的深基坑沉降预测