陈琛:一种自适应学习率的卷积神经网络模型及应用——以滨海湿地遥感分类为例论文

陈琛:一种自适应学习率的卷积神经网络模型及应用——以滨海湿地遥感分类为例论文

本文主要研究内容

作者陈琛,马毅,胡亚斌,张靖宇(2019)在《一种自适应学习率的卷积神经网络模型及应用——以滨海湿地遥感分类为例》一文中研究指出:滨海湿地是重要的生态系统,开展滨海湿地类型分布监测,对滨海湿地的保护与利用具有重要意义。传统卷积神经网络(CNN)模型中的学习率为人工设置的固定值,本文提出一种自适应学习率的CNN模型,以代价函数为目标函数自动计算学习率的优化值,从而使CNN模型具有自适应性。应用黄河口滨海湿地的CHRIS高光谱遥感影像数据,开展本文提出的CNN模型分类方法验证与优化。实验结果表明:对于不同的学习率搜索区间,自适应学习率CNN模型在[0,1]区间的整体分类精度最高,说明在学习率优化过程中只需在小区间[0,1]内进行微调就能保证较好的分类精度;对于不同的学习率初值,自适应学习率CNN模型的分类精度和稳定性都高于传统CNN模型,说明本文提出的模型对初值敏感性较低;在训练样本数目减少的情况下,两模型分类精度的稳定性都有不同程度的降低,但在保证训练样本占全部样本1.35%以上的条件下,自适应学习率CNN模型稳定性高,说明本文提出的模型对小样本具有一定的适应能力。

Abstract

bin hai shi de shi chong yao de sheng tai ji tong ,kai zhan bin hai shi de lei xing fen bu jian ce ,dui bin hai shi de de bao hu yu li yong ju you chong yao yi yi 。chuan tong juan ji shen jing wang lao (CNN)mo xing zhong de xue xi lv wei ren gong she zhi de gu ding zhi ,ben wen di chu yi chong zi kuo ying xue xi lv de CNNmo xing ,yi dai jia han shu wei mu biao han shu zi dong ji suan xue xi lv de you hua zhi ,cong er shi CNNmo xing ju you zi kuo ying xing 。ying yong huang he kou bin hai shi de de CHRISgao guang pu yao gan ying xiang shu ju ,kai zhan ben wen di chu de CNNmo xing fen lei fang fa yan zheng yu you hua 。shi yan jie guo biao ming :dui yu bu tong de xue xi lv sou suo ou jian ,zi kuo ying xue xi lv CNNmo xing zai [0,1]ou jian de zheng ti fen lei jing du zui gao ,shui ming zai xue xi lv you hua guo cheng zhong zhi xu zai xiao ou jian [0,1]nei jin hang wei diao jiu neng bao zheng jiao hao de fen lei jing du ;dui yu bu tong de xue xi lv chu zhi ,zi kuo ying xue xi lv CNNmo xing de fen lei jing du he wen ding xing dou gao yu chuan tong CNNmo xing ,shui ming ben wen di chu de mo xing dui chu zhi min gan xing jiao di ;zai xun lian yang ben shu mu jian shao de qing kuang xia ,liang mo xing fen lei jing du de wen ding xing dou you bu tong cheng du de jiang di ,dan zai bao zheng xun lian yang ben zhan quan bu yang ben 1.35%yi shang de tiao jian xia ,zi kuo ying xue xi lv CNNmo xing wen ding xing gao ,shui ming ben wen di chu de mo xing dui xiao yang ben ju you yi ding de kuo ying neng li 。

论文参考文献

  • [1].让我们重新认识湿地——中国首个滨海湿地世界遗产诞生[J]. 王立龙,沈海滨.  生命世界.2019(11)
  • [2].杭州湾滨海湿地生态系统服务价值变化[J]. 李楠,李龙伟,张银龙,陆灯盛,吴明.  浙江农林大学学报.2019(01)
  • [3].福建省滨海湿地人类活动影响强度时空分异及经济驱动机制[J]. 洪兵,林巧莺,俞慎,张德健,杨丽丽.  桂林理工大学学报.2019(03)
  • [4].中国滨海湿地现状和问题及管理对策建议[J]. 张健,李佳芮,杨璐,李潇.  环境与可持续发展.2019(05)
  • [5].中国滨海湿地遥感研究进展[J]. 刘润红,梁士楚,赵红艳,漆光超,李丽香,姜勇,牛振国.  遥感技术与应用.2017(06)
  • [6].国家重要滨海湿地选划方法初步研究——以盘锦滨海湿地为例[J]. 雷威,丛丕福,刘玉安,卢伟志,廖国祥,刘长安.  海洋开发与管理.2018(01)
  • [7].正在消失的滨海湿地[J]. 宋述芹.  生态经济.2018(03)
  • [8].山东省滨海湿地法律保护对策研究[J]. 王跃先,董章龙.  开封教育学院学报.2018(04)
  • [9].广东省海岛(岛礁)滨海湿地现状与保护[J]. 王迪,李团结,谢敬谦.  湿地科学与管理.2018(03)
  • [10].浙江省滨海湿地生态服务价值评估研究[J]. 吴明.  浙江林业.2017(02)
  • 论文详细介绍

    论文作者分别是来自海洋环境科学的陈琛,马毅,胡亚斌,张靖宇,发表于刊物海洋环境科学2019年04期论文,是一篇关于滨海湿地论文,卷积神经网络论文,自适应学习率论文,海洋环境科学2019年04期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自海洋环境科学2019年04期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  

    陈琛:一种自适应学习率的卷积神经网络模型及应用——以滨海湿地遥感分类为例论文
    下载Doc文档

    猜你喜欢