《表1 一维卷积神经找矿预测分类网络参数》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于卷积神经网络模型划分成矿远景区——以甘肃大桥地区金多金属矿田为例》
本文提出的一维卷积神经分类网络由一维卷积层、激活层、平均池化层和全连接层4种数据处理层组成。卷积层过少,神经网络特征提取不够充分,分类结果不显著;神经网络层数太多,训练效果不会得到明显的提升,而神经网络训练的时间显著增加,效率大幅降低。综合考虑神经网络的训练效率及特征提取的效果,本文采取了如图1所示的成矿预测分类一维卷积神经网络结构,分别包括6个一维卷积层Ct,t=1,2,......,6,3个平均池化层P1、P2和P3,3个激活层及1个全连接层FC及Softmax层。输入数据通过2个一维卷积层及ReLU激活层处理得到对应的特征图,再经过平均池化层进行降采样。重复上述操作将P3得到的特征图输入全连接层FC,最后将一维展开后的特征信息输入Softmax层得到分类结果。其中,全连接层采用通用全连接神经网络方法对所得特征进行综合,P3层的多个找矿预测要素在该层被平展为一维向量。最后,将得到的特征数据与神经元全联接,并通过sigmoid函数计算各类别的概率。一维卷积神经分类网络的结构参数表如表1所示。
图表编号 | XD00128696100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.15 |
作者 | 蔡惠慧、徐永洋、李孜轩、曹豪豪、冯雅兴、陈思琼、李永胜 |
绘制单位 | 中国地质调查局发展研究中心、中国地质大学(北京)、中国地质大学(武汉)智能空间认知实验室、中国地质大学(武汉)智能空间认知实验室、中国地质大学(武汉)智能空间认知实验室、中国地质大学(武汉)智能空间认知实验室、中国地质大学(武汉)智能空间认知实验室、中国地质调查局发展研究中心 |
更多格式 | 高清、无水印(增值服务) |