微电子学与计算机
微電子學與計算機
미전자학여계산궤
MICROELECTRONICS & COMPUTER
2007年
12期
171-173
,共3页
输入扩展%Levenberg-Mantuardt算法%BP网络%遥感图像分类
輸入擴展%Levenberg-Mantuardt算法%BP網絡%遙感圖像分類
수입확전%Levenberg-Mantuardt산법%BP망락%요감도상분류
提出了一种基于输入模式扩展的神经网络改进方法,并和Levenberg-Marquardt优化的BP网络(LMBPN)进行了对比.通过二阶内积或切比雪夫多项武等非线性函数,把输入向量映射到更高维的模式空问,可以增强样本的可分性.Iris数据和遥感图像分类实验表明,输入模式扩展的神经网络改进方法可以进一步加快收敛速度,改进模式分类效果.
提齣瞭一種基于輸入模式擴展的神經網絡改進方法,併和Levenberg-Marquardt優化的BP網絡(LMBPN)進行瞭對比.通過二階內積或切比雪伕多項武等非線性函數,把輸入嚮量映射到更高維的模式空問,可以增彊樣本的可分性.Iris數據和遙感圖像分類實驗錶明,輸入模式擴展的神經網絡改進方法可以進一步加快收斂速度,改進模式分類效果.
제출료일충기우수입모식확전적신경망락개진방법,병화Levenberg-Marquardt우화적BP망락(LMBPN)진행료대비.통과이계내적혹절비설부다항무등비선성함수,파수입향량영사도경고유적모식공문,가이증강양본적가분성.Iris수거화요감도상분류실험표명,수입모식확전적신경망락개진방법가이진일보가쾌수렴속도,개진모식분류효과.
