《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。