Back propagation artificial natural

Back propagation artificial natural network (BPANN) is a well known and widely used machine learning methodology in the field of remote sensing. In this paper an attempt is made to retrieve the spinach crop parameters like biomass, leaf area index, average plant height and soil moisture content by using the X-band scattering coefficients with BPANN at different growth stages of this crop. The maturity age of this crop was found to be 45 days from the date of sowing. After 45 days from the date of sowing, this crop was cut at a certain height for production. Then, it is a point of interest to investigate the microwave response of variation in production. Significant variations in all the crop parameters were observed after cutting the crop and consequently made the problem more critical. Our work confirms the utility of BPANN in handling such a non-linear data set. The BPANN is essentially a network of simple processing nodes arranged into different layers as input, hidden and the output. The input layer propagates components of a particular input vector after weighting these with synaptic weights to each node in the hidden layer. At each node, these weighted input vector components are added. Each hidden layer computes output corresponding to these weighted sum through a non-linear/linear function (e.g. LOGSIG, TANSIG and PURLIN). These functions are known as transfer functions. Thus, each of the hidden layer nodes compute output values, which become inputs to the nodes of the output layer. At nodes of output layer also a weighted sum of outputs of previous layer (hidden layer) are obtained and processed through a transfer function. Thus, the output layer nodes compute the network output for the particular input vector. In this paper, output nodes use linear transfer function. Different transfer functions e.g. TANSIG, LOGSIG and PURELIN were used and the performance of the ANN was optimized by changing the number of neurons in the hidden layers. The present analysis suggests the need of critical analysis of the BPANN in terms of selection of the best transfer function and other network parameters for the better results.

ผลลัพธ์ (ไทย) 1:

ข่ายธรรมชาติเผยแพร่หลังเทียม (BPANN) เป็นเครื่องใช้กันอย่างแพร่หลาย และรู้จักเรียนรู้วิธีการในแชมพู ในเอกสารนี้มีความพยายามที่จะดึงพารามิเตอร์พืชผักโขมเช่นชีวมวล ดัชนีพื้นที่ใบ เฉลี่ยพืชความสูงและดินชื้น โดยใช้สัมประสิทธิ์ scattering X วง BPANN ในขั้นตอนต่าง ๆ การเจริญเติบโตของพืชนี้ พบพืชนี้อายุครบกำหนดให้ 45 วันจากวันที่ของ sowing หลังจาก 45 วันจากวันที่ของ sowing พืชนี้ถูกตัดที่สูงสำหรับการผลิต แล้ว จึงเป็นจุดที่น่าสนใจเพื่อตรวจสอบการตอบสนองของไมโครเวฟของความผันแปรในการผลิต ความแตกต่างอย่างมีนัยสำคัญในพารามิเตอร์พืชได้สังเกตหลังจากตัดพืชผล และจึง ทำปัญหาสำคัญมาก งานยืนยันของ BPANN ในการจัดการดังกล่าวไม่ใช่เชิงเส้นชุดข้อมูล BPANN จะเป็นเครือข่ายง่ายซ่อนโหนที่จัดวางในชั้นต่าง ๆ เป็นการป้อนข้อมูลการประมวลผล และผลผลิต ชั้นอินพุตแพร่กระจายส่วนประกอบของเวกเตอร์สำหรับการป้อนค่าเฉพาะหลังจากที่น้ำหนักด้วยน้ำหนัก synaptic ไปแต่ละโหนดในชั้นซ่อน ส่วนประกอบของเวกเตอร์อินพุตถ่วงน้ำหนักเหล่านี้จะถูกเพิ่มที่แต่ละโหน แต่ละชั้นซ่อนตัวผลผลิตที่สอดคล้องกับผลรวมเหล่านี้ถ่วงน้ำหนักผ่านฟังก์ชันไม่เชิงเส้น/เส้น (เช่น LOGSIG, TANSIG และ PURLIN) ฟังก์ชันเหล่านี้จะเรียกว่าฟังก์ชันถ่ายโอน ดังนั้น แต่ละโหนดชั้นซ่อนคำนวณผลลัพธ์ค่า ซึ่งเป็นอินพุตให้โหนดของชั้นออก ที่โหนออกชั้น ยังผลรวมถ่วงน้ำหนักของการแสดงผลของชั้นก่อนหน้า (ซ่อนเลเยอร์) จะได้รับ และประมวลผลผ่านฟังก์ชันโอนย้าย ดังนั้น โหนชั้นผลคำนวณผลผลิตเครือข่ายสำหรับเวกเตอร์เข้าเฉพาะ ในเอกสารนี้ โหนออกใช้ฟังก์ชันโอนย้ายเส้น ใช้ฟังก์ชันถ่ายโอนแตกต่างกันเช่น TANSIG, LOGSIG และ PURELIN และประสิทธิภาพของแอนถูกปรับให้เหมาะสม โดยการเปลี่ยนจำนวนของ neurons ในชั้นซ่อน การวิเคราะห์ปัจจุบันแนะนำจำเป็นต้องวิเคราะห์ความสำคัญของ BPANN ในรูปแบบของฟังก์ชันถ่ายโอนดีและพารามิเตอร์อื่น ๆ เครือข่ายสำหรับผลลัพธ์ที่ดีขึ้น

ผลลัพธ์ (ไทย) 2:

การขยายพันธุ์ตามธรรมชาติกลับเครือข่ายเทียม (BPANN) เป็นที่รู้จักกันดีและใช้กันอย่างแพร่หลายเครื่องวิธีการเรียนรู้ในด้านการตรวจวัดระยะไกล ในบทความนี้เป็นความพยายามที่จะทำเพื่อดึงพารามิเตอร์พืชผักขมเช่นชีวมวลดัชนีพื้นที่ใบความสูงของต้นเฉลี่ยและปริมาณความชื้นในดินโดยใช้ค่าสัมประสิทธิ์การกระจาย X-band กับ BPANN ที่ระยะการเจริญเติบโตของพืชที่แตกต่างกันนี้ ครบกําหนดอายุของพืชนี้พบว่า 45 วันนับจากวันที่มีการหว่าน หลังจาก 45 วันนับจากวันที่มีการหว่านพืชนี้ถูกตัดที่ความสูงที่แน่นอนสำหรับการผลิต จากนั้นก็เป็นจุดที่สนใจที่จะตรวจสอบการตอบสนองไมโครเวฟของการเปลี่ยนแปลงในการผลิตที่ การเปลี่ยนแปลงอย่างมีนัยสำคัญในทุกพารามิเตอร์พืชถูกตั้งข้อสังเกตหลังจากตัดการเพาะปลูกและส่งผลทำให้ปัญหาสำคัญมากขึ้น การทำงานของเรายืนยันประโยชน์ของ BPANN ในการจัดการเช่นชุดข้อมูลที่ไม่ใช่เชิงเส้น BPANN เป็นหลักเครือข่ายของโหนดประมวลผลที่เรียบง่ายจัดเป็นชั้นที่แตกต่างกันเป็น input ที่ซ่อนอยู่และเอาท์พุท ชั้นการป้อนข้อมูลที่แพร่กระจายส่วนประกอบของเวกเตอร์ใส่โดยเฉพาะอย่างยิ่งหลังจากที่น้ำหนักเหล่านี้มีน้ำหนัก synaptic ไปแต่ละโหนดในชั้นซ่อน ในแต่ละโหนดเหล่านี้การป้อนข้อมูลถ่วงน้ำหนักส่วนประกอบเวกเตอร์ที่มีการเพิ่ม แต่ละชั้นซ่อนคำนวณผลผลิตเหล่านี้สอดคล้องกับผลรวมน้ำหนักผ่านที่ไม่ใช่เชิงเส้น / ฟังก์ชั่นเชิงเส้น (เช่น LOGSIG, TANSIG และแป) ฟังก์ชั่นเหล่านี้เรียกว่าฟังก์ชั่นการถ่ายโอน ดังนั้นแต่ละโหนดชั้นซ่อนคำนวณค่าการส่งออกซึ่งเป็นปัจจัยการผลิตไปยังต่อมน้ำของชั้นเอาท์พุท ที่โหนดของชั้นการส่งออกยังเป็นผลรวมถ่วงน้ำหนักของผลของชั้นก่อนหน้า (ชั้นซ่อนไว้) จะได้รับและประมวลผลผ่านฟังก์ชั่นการถ่ายโอน ดังนั้นโหนดชั้นเอาท์พุทเอาท์พุทคำนวณเครือข่ายสำหรับการป้อนข้อมูลเวกเตอร์โดยเฉพาะอย่างยิ่ง ในบทความนี้โหนดส่งออกใช้ฟังก์ชั่นการถ่ายโอนเชิงเส้น ฟังก์ชั่นการถ่ายโอนที่แตกต่างกันเช่น TANSIG, LOGSIG PURELIN และถูกนำมาใช้และประสิทธิภาพการทำงานของแอนถูกปรับให้เหมาะสมโดยการเปลี่ยนจำนวนของเซลล์ประสาทในชั้นที่ซ่อนอยู่ การวิเคราะห์แสดงให้เห็นในปัจจุบันจำเป็นที่จะต้องของการวิเคราะห์ที่สำคัญของ BPANN ในแง่ของการเลือกฟังก์ชั่นการถ่ายโอนที่ดีที่สุดและพารามิเตอร์เครือข่ายอื่น ๆ เพื่อให้ได้ผลลัพธ์ที่ดีกว่า

ผลลัพธ์ (ไทย) 3:

กลับการขยายพันธุ์เทียมธรรมชาติเครือข่าย ( bpann ) เป็นที่รู้จักกันดีและใช้กันอย่างแพร่หลาย เครื่อง วิธีการเรียนรู้ในสาขาการรับรู้จากระยะไกล . ในกระดาษนี้พยายามเรียกผักขมปลูกพารามิเตอร์เช่นชีวมวล , ดัชนีพื้นที่ใบ ความสูงเฉลี่ย และความชื้นในดินโดยการใช้ค่าสัมประสิทธิ์การกระจายที่แตกต่างกัน bpann กซ์ แบนด์ กับระยะการเจริญเติบโตของพืชนี้การครบกำหนดอายุของพืชนี้ถูกพบว่าเป็น 45 วัน นับจากวันที่ของการหว่านเมล็ด หลังจาก 45 วัน นับจากวันที่เพาะเมล็ด , พืชนี้ถูกตัดที่ระดับความสูงที่แน่นอนสำหรับการผลิต งั้น มันเป็นจุดที่น่าสนใจศึกษา ไมโครเวฟ การตอบสนองของการเปลี่ยนแปลงในการผลิตที่สำคัญการเปลี่ยนแปลงพารามิเตอร์ทุกพืชที่พบหลังจากการตัดพืชและจึงทำให้เป็นปัญหาสำคัญมากขึ้น งานของเรายืนยันประโยชน์ของ bpann ในการจัดการเช่นการใช้ชุดข้อมูล การ bpann เป็นหลักของเครือข่ายของโหนดการประมวลผลง่ายจัดเป็นชั้นที่แตกต่างกันเป็น input และ output อยู่ .ใส่ส่วนประกอบของเวกเตอร์ชั้นแพร่กระจายข้อมูลเฉพาะหลังจากที่น้ำหนักเหล่านี้กับน้ำหนักโปรแกรมแต่ละโหนดในชั้นซ่อน . ในแต่ละโหนดเหล่านี้ส่วนประกอบอินพุตเวกเตอร์น้ำหนักจะเพิ่ม แต่ละชั้นซ่อนคำนวณผลผลิตที่สอดคล้องกับเหล่านี้ถ่วงน้ำหนักรวมผ่านเส้น / ฟังก์ชันเชิงเส้น ( เช่น logsig tansig , แป ) ฟังก์ชั่นเหล่านี้จะเรียกว่าฟังก์ชันการถ่ายโอนดังนั้น แต่ละชั้นซ่อนโหนดคำนวณผลผลิตคุณค่า ซึ่งเป็นปัจจัยให้โหนดของการแสดงผลชั้น ที่โหนดของชั้นออกยังผลรวมถ่วงน้ำหนักของผลของชั้นก่อนหน้านี้ ( Hidden Layer ) จะได้รับและประมวลผลผ่านทางฟังก์ชันการถ่ายโอน ดังนั้น การแสดงผลชั้นโหนดคำนวณผลผลิตเครือข่ายสำหรับอินพุตเวกเตอร์เฉพาะ ในกระดาษนี้เอาท์พุตโหนดใช้ฟังก์ชันถ่ายโอนแบบเชิงเส้น ต่าง ๆเช่น ฟังก์ชันถ่ายโอน tansig logsig purelin , และใช้และประสิทธิภาพของแอนก็ปรับโดยการเปลี่ยนจำนวนเซลล์ประสาทในชั้นซ่อน . การวิเคราะห์ปัจจุบันชี้ให้เห็นความต้องการของการวิเคราะห์ของ bpann ในแง่ของการเลือกของที่ดีที่สุดโอนฟังก์ชันและพารามิเตอร์เครือข่ายอื่น ๆสำหรับผลลัพธ์ที่ดีกว่า