PRoRS
latest
课程介绍
第01讲 概述
第一部分:特征空间像元分类
第02讲 像元分类-决策规则
第03讲 神经网络-逼近能力
3.1 算法原理
3.2 分类函数
3.3 示例代码
3.4 思考探索
3.5 课后习题
3.6 全连接神经网络分类过程可视化
第04讲 学习算法-梯度下降
第05讲 模型评估-泛化能力
第06讲 非监督学习-降维与聚类
第二部分:图像平面对象识别
第07讲 图像分类-CNN
第08讲 对象检测-RCNN
第09讲 语义分割-FCN
第10讲 实例分割-RNN
第11讲 图像合成-GAN
第三部分:地球表面遥感制图
第12讲 地表覆盖制图
第13讲 土地覆盖分类
第14讲 专题制图
第15讲 变化遥感监测
学生报告
2017年春季课程报告
2018年春季课程报告
PRoRS
Docs
»
第03讲 神经网络-逼近能力
Edit on GitHub
第03讲 神经网络-逼近能力
¶
3.1 算法原理
3.1.1 点到分类超平面距离
3.1.2 损失函数
3.1.3 梯度下降
3.1.4 正则化
3.2 分类函数
3.2.1SGD
3.2.2Perceptron
3.3 示例代码
3.3.1 调用示例
3.3.2 分析示例
3.4 思考探索
3.5 课后习题
3.6 全连接神经网络分类过程可视化
3.6.1 导入所需的模块
3.6.2 准备训练数据与特征空间离散点
3.6.3 实验数据可视化展示
3.6.4 进行训练并获得网络权重
3.6.5 展示分类结果
3.6.6 定义相关工具函数
3.6.7 各层及各节点可视化展示