深度学习的BP神经网络在GNSS水准拟合中的应用

论文摘要

针对误差逆向传播BP (back propagation)神经网络在GNSS水准拟合中存在梯度消失、陷于局部最小点的问题,通过使用深度学习中的分段线性整流函数Relu(rectified linear units)作为神经元激活函数,自适应矩估计Adam (adaptive moment estimation)算法作为网络优化函数,提出了一种基于深度学习的BP神经网络模型。研究结果表明:改进后的BP神经网络内外符合精度分别提高近50%和25%,可达0.9 cm和2.4 cm,为GNSS水准拟合提供了新的思路。

论文目录

• 1 引 言
• 2 BP神经网络基本模型与算法
•   2.1 BP神经网络模型
•   2.2 BP神经网络模型算法步骤
• 3 改进的BP神经网络模型
•   3.1 Relu激活函数
•   3.2 Adam优化算法
• 4 二次多项式拟合法
• 5 实例分析
•   5.1 实验区域概况
•   5.2 对比分析
• 6 结束语

文章来源

类型: 期刊论文

作者: 董洲洋,徐卫明,庄昊,邱广闻

关键词: 深度学习,水准拟合,神经网络,函数,算法

来源: 海洋测绘 2019年05期

年度: 2019

分类: 基础科学,信息科技

专业: 自然地理学和测绘学,自动化技术

单位: 海军大连舰艇学院军事海洋与测绘系,32023部队

基金: 国家自然科学基金(61071006)

分类号: TP183;P228.4

页码: 26-29

总页数: 4

文件大小: 973K

下载量: 127