To tylko jedna z 9 stron tej notatki. Zaloguj się aby zobaczyć ten dokument.
Zobacz
całą notatkę
Temat: Zastosowanie sztucznych sieci neuronowych w klasyfikacji terenów na zdjęciach satelitarnych . 1. Charakterystyka i organizacja sztucznych sieci neuronowych. Działanie sztucznych sieci neuronowych oparte jest na prostych modelach komórek neuronowych. Rysunek przedstawia schemat najczęściej stosowanego modelu sztucznego neuronu. Neuron taki składa się z n+1 ważonych wejść, jednostki przetwarzającej oraz jednego wyjścia. Odpowiednikami biologicznymi tego modelu są: dendryty wraz z kolbkami synaptycznymi, ciało komórki oraz akson. Jedno połączenie synaptyczne jest wyróżnione: wartość na jego wejściu jest stała i wynosi -1, natomiast wartość jego wagi zwana jest wartością progową. Wartość sygnału wyjściowego o neuronu jest określona poprzez następującą relację: gdzie w jest wektorem wag (ważonych połączeń synaptycznych), x jest wektorem wartości sygnałów wejściowych, natomiast funkcja f nazywana jest funkcją aktywacji neuronu . Warto zauważyć, że o zgromadzonej przez pojedynczy neuron, a w konsekwencji przez sieć neuronową, informacji decydują wartości wagowe połączeń synaptycznych. Zatem metoda doboru tych współczynników wagowych jest kluczowa z punktu widzenia jakości działania sieci. Istotną rolę w pracy systemów opartych na sieciach neuronowych pełni faza treningu , zwana również fazą nauki . Jak wspomniano, jest ona charakterystyczną cechą tych sieci, w trakcie której uczy się taka sieć poprawnie reagować na wzorce znajdujące się w zbiorze uczącym. Jednocześnie sieć nabywa zdolności generalizacji, czyli oczekiwanego reagowania na wektory wejściowe, które nie były zawarte w zbiorze uczącym. Można zatem stwierdzić, że struktura neuronowa nabiera doświadczenia w procesie treningu i odpowiedzi sieci zależą w dużym stopniu od zawartości zbioru uczącego. Analogicznie do systemów biologicznych, proces nauki jest długi i można rozróżnić podstawowe dwie metody treningu: nadzorowaną (z nauczycielem) oraz nienadzorowaną (bez nauczyciela). W nadzorowanym procesie nauki (treningu), na wejście sieci neuronowej podawane są wektory x ze zbioru uczącego wraz z żądaną poprawną odpowiedzią d . Aktualny wektor odpowiedzi sieci o na wyjściu służy do określenia miary odległości pomiędzy wektorem wyjściowym o a sygnałem uczącym d . W zależności od wartości miary dokonywana jest aktualizacja wag
(…)
…., "Wstęp do teorii obliczeń neuronowych", Wydawnictwa NaukowoTechniczne, Warszawa 1995.
2. Kacprzak T., Slot K., "Sieci neuronowe komórkowe", Wydawnictwo Naukowe PWN, Warszawa 1995.
3. Korbicz J., Obuchowicz A., Uciński D., "Sztuczne sieci neuronowe. Podstawy i zastosowania", Akademicka
Oficyna Wydawnicza PLJ, Warszawa 1994.
4. Osowski St., "Sieci neuronowe w ujęciu algorytmicznym", Wydawnictwa Naukowo…
… satelitarnych. Materiałem badań są zdjęcia
pochodzące z satelity Landsat TM. Wektorem uczącym jest komplet 7 kanałów dla
fragmentu województwa mazowieckiego oraz wzór pokrycia tego terenu wykonany przez
klasyfikatora w sposób klasyczny. W opisywanym eksperymencie wykorzystywano dwa
wzorce:
a)
mapa CORINE
b)
wzorzec generowany ręcznie wg odbicia spektralnego
Rys. Przykładowe zdjęcia z wektora uczącego
Rys…
... zobacz całą notatkę
Komentarze użytkowników (0)