《表2 不同隐含层节点BP神经网络模型的决定系数R2和均方根误差ERMS》
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
《基于神经网络模型的湛江湾水体有色溶解有机物的遥感估算》
理论上已经证明[23-24],具有偏差和至少一个S型隐含层加上一个线性输出层的网络,能够逼近任何有理函数。因此本文采用的是3层BP(BackPropagation)人工神经网络,即1个输入层、1个隐含层和1个输出层,模型的构建通过Matlab R2014a软件实现建立3层神经网络模型,分别以归一化遥感反射率R(580)、R(585)、R(590)、R(595)作为输入层的四个神经元,以ag(400)为输出层唯一的神经元(如图4所示),隐含层传递函数选择S型正切函数“tansig”,输出层函数选择线性函数“purelin”,训练函数采用“traingd”,采用设定最大训练次数为10 000次,学习率为0.3,训练误差为0.001。隐含层结点的确定是BP神经网络模型的关键步骤,目前尚未有研究给出统一的算法,但确定隐含层节点数的基本原则是在满足精度要求的前提下,取尽可能少的隐含层节点数[15]。本文设置1~10个隐含层节点,试验确定隐含层的最佳节点数,分别对各节点数的神经网络模型进行网络训练,计算测试样本实测值和预测值的决定系数R2和均方根误差,从而选出最佳节点数。其中均方根误差ERMS(28)N?(7)yi-xi(8)2,yi表示反演值,xi表示实测值,N为样本的总个数。表2显示了不同隐含层节点数的BP神经网络预测值与实测值的决定系数R2和均方根误差ERMS。通过比较发现节点数为8时,ERMS最低,R2最大,说明隐含层节点数为8时BP神经网络模型效果最佳。
图表编号 | XD00199927700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.09.15 |
作者 | 余果、付东洋、刘大召、刘贝、廖珊、王立安、张小龙 |
绘制单位 | 广东海洋大学电子与信息工程学院、广东海洋大学海洋与气象学院、广东海洋大学电子与信息工程学院、广东海洋大学电子与信息工程学院、广东海洋大学电子与信息工程学院、广东海洋大学电子与信息工程学院、广东海洋大学电子与信息工程学院、广东海洋大学电子与信息工程学院、广东海洋大学海洋与气象学院 |
更多格式 | 高清、无水印(增值服务) |