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
Next Previous

© Copyright 2020, YNS Revision 355ce991.

Built with Sphinx using a theme provided by Read the Docs.