基于人工神经网络的遥感图像自动分类.ppt

基于人工神经网络的遥感图像自动分类
张爱竹
Z11010008
内容安排
一、人工神经网络
二、遥感图像自动分类
三、人工神经网络分类器
四、基于ANN的遥感图像自动分类试验
五、总结
2017/8/17
2/79
一、人工神经网络
人工神经网络概述
人工神经网络发展简史
人工神经网络基础
人工神经网络结构
人工神经网络的学习类型
人工神经网络模型
2017/8/17
3/79
人工神经网络概述
人工神经网络(Artificial works):
人工智能的一个分支;
从微观上模拟大脑皮层的感知和思维功能——以计算机网络系统模拟生物神经网络的智能计算系统,是对人脑或自然神经网络的若干基本特性的抽象和模拟;
是一个交叉性学科——涉及数学、计算机、思维科学、神经生理学、心理学、模式识别等众多学科;
智能:人类所特有的知识和智力, 是个体认识客观事物和运用知识解决问题的能力。
人工智能:研究如何使类似计算机这样的设备去模拟人类的智能。
2017/8/17
4/79
人工神经网络
人工神经网络概述
两种人工智能技术的比较
2017/8/17
5/79
人工神经网络
项目
传统AI技术
ANN技术
基本实现方式
串行处理;由程序实现控制
并行处理;对样本数据进行多目标学习;通过人工神经元之间的相互作用实现控制
基本开发方法
设计规则、框架、程序;用样本数据进行调试(由人根据已知的环境去构造一个模型)
定义人工神经网络的结构原型,通过样本数据,依据基本的学习算法完成学习——自动从样本数据中抽取内涵(自动适应应用环境)
适应领域
精确计算:符号处理,数值计算
非精确计算:模拟处理,感觉,大规模数据并行处理
模拟对象
左脑(逻辑思维)
右脑(形象思维)
人工神经网络发展简史
最早的研究可以追溯到20世纪40年代。1943年,ulloch和数学家Pitts合作提出了形式神经元的数学模型。这一模型一般被简称M-P神经网络模型,至今仍在应用,可以说,人工神经网络的研究时代,就由此开始了。
1949年,心理学家Hebb提出神经系统的学习规则,为神经网络的学习算法奠定了基础。现在,这个规则被称为Hebb规则,许多人工神经网络的学习还遵循这一规则。
1957年,“感知器”模型,第一次把神经网络的研究从纯理论的探讨付诸工程实践,掀起了人工神经网络研究的第一次高潮。
2017/8/17
6/79
人工神经网络
人工神经网络发展简史
20世纪60年代以后,数字计算机的发展达到全盛时期,人们误以为数字计算机可以解决人工智能、专家系统、模式识别问题,而放松了对“感知器”的研究。于是,从20世纪60年代末期起,人工神经网络的研究进入了低潮。
1982年,美国加州工学院物理学家Hopfield提出了离散的神经网络模型,标志着神经网络的研究又进入了一个新高潮。1984年,Hopfield又提出连续神经网络模型,开拓了计算机应用神经网络的新途径。
1986年,Rumelhart和Meclelland提出多层网络的误差反传(back propagation)学习算法,简称BP算法。BP算法是目前最为重要、应用最广的人工神经网络算法之一。
自20世纪80年代中期以来,世界上许多国家掀起了神经网络的研究热潮,可以说神经网络已成为国际上的一个研究热点。国内首届神经网络大会是1990年12月在北京举行的。
2017/8/17
7/79
人工神经网络
人工神经网络基础
生物神经元:大脑处理信息的基本单元,由细胞体、树突、轴突和突触组成。
生物神经元网络:
2017/8/17
8/79
人工神经网络
人工神经网络基础
生物神经系统的六个基本特征:
1)神经元及其联接;
2)神经元之间的联接强度决定信号传递的强弱;
3)神经元之间的联接强度是可以随训练改变的;
4)信号可以是起刺激作用的,也可以是起抑制作用的;
5)一个神经元接受的信号的累积效果决定该神经元的状态;
6)每个神经元可以有一个“阈值”。
神经元是构成神经网络的最基本单元(构件)。
人工神经元模型应该具有生物神经元的六个基本特性。
人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。
2017/8/17
9/79
人工神经网络
人工神经网络结构
直观理解:
神经网络是一个并行和分布式的信息处理网络结构。
它一般由大量神经元组成:
每个神经元只有一个输出,可以连接到很多其他的神经元;
每个神经元输入有多个连接通道,每个连接通道对应于一个连接权系