样本预处理提高大气折光神经网络建模效率的研究
大气折光的客观性影响了光电测量的真实性,也使得大气折光可以利用某些先验信息来进行建模修正.但因大气折光受各种因素的影响变化十分复杂,传统的建模修正精度无法满足现代高精度光电测量的要求.大气折光的神经网络建模修正具有传统的非线性建模无法比拟的优势而倍受重视,但因BPNN的训练效率一直没有得到很好的解决,影响了它在一些实时性要求较高的光电测量工程中的应用.样本预处理与训练算法优化都能提高BPNN的训练效率,但目前的研究贡献主要集中在后者.本文尝试用传统的简单算法对样本进行预处理来提高BPNN的训练效率.本文首先分析了MATLAB中与BPNN训练相关的样本预处理函数与训练算法函数,然后,对它们能等价提高BPNN训练效率进行了简洁的数学证明,该证明无病态分式(0除)约束.提出了一种简单而有效的样本均值比例预处理方法,利用实测信息,调用MATLAB7中的神经网络工具箱,进行了大气折光系数的BPNN建模.与相关研究的比较证明,在同等拟合精度下,均值比例的样本预处理方法与MATLAB中提供的相比,能提高训练效率1~4倍,达到与训练算法优化近似的效果.
样本预处理、大气折光、神经网络、训练效率
P225.2(大地测量学)
博士科研基金905152533-05-01
2008-05-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
50-53,67