深度学习的BP神经网络在GNSS水准拟合中的应用

• 作者: 庄昊 徐卫明 董洲洋 邱广闻
• 来源期刊: 海洋测绘
• 学科: 地球科学
• 关键词: 深度学习 GNSS水准拟合 BP神经网络 Relu函数 Adam算法
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 工程实践
• 页码范围: 26-29
• 页数: 4页
• 分类号: P228.4
• 字数: 2805字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3044.2019.05.007

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0.9cm和2.4cm,为GNSS水准拟合提供了新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐卫明	海军大连舰艇学院军事海洋与测绘系	27	116	7.0	10.0