10.16452/j.cnki.sdkjzk.2022.05.001
基于弹性梯度下降模型的神经网络遥感水深反演
针对传统BP神经网络水深反演耗时较多,且由于学习率和动量参数的设置使权值更新存在模糊自适应的问题,提出一种基于弹性梯度下降模型的BP神经网络水深反演算法.弹性梯度下降模型直接改变权重更新值的大小,消除学习率和动量参数的影响,减少计算参数,能快速获取最优的模型权值.为评估算法的有效性,利用中国南海甘泉岛实测数据进行验证.结果表明:该算法可以较为准确、有效地反演水深信息,反演精度和效率均优于传统算法(RMSE由1.159 m降到0.863 m,MA E由0.856 m降到0.649 m,模型训练所耗时间由52 s降到18 s),在0~15 m水深段的RMSE低于1 m,反演效果较好,且在不同水深区间均取得良好的改进结果,具有一定的鲁棒性.
水深反演、弹性梯度下降、BP神经网络、遥感
41
P229(大地测量学)
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共11页
1-10,20