灾害智能识别-Deep Neural Networks算法
深度神经网络是机器学习(ML, Machine Learning)领域中一种技术,是深度学习的基础。
1. 从感知机到神经网络
感知机模型是一个有若干输入和一个输出的模型,如下图:
输出和输入之间学习到一个线性关系,得到中间输出结果: 然后是激活函数: 最后得到我们想要的输出结果1或者-1。
感知机模型适用于二元分类,无法学习比较复杂的非线性模型,使用范围有限。神经网络在感知机的模型上进行了扩展:
1.1 加入隐藏层
隐藏层可以有多层,增强模型的表达能力。
1.2 输出层的神经元可以有多个输出
模型可以灵活应用于分类回归,以及其他机器学习领域,例如降维和聚类等问题。输出层具有多神经元 ,如下图。
1.3 扩展激活函数
感知机的激活函数是,其处理能力有限,神经网络对激活函数进行了扩展,例如逻辑回归使用过的函数: 还有后来出现的,,和等。不同的激活函数可以增强神经网络的表达能力。
2. DNN的基本结构
神经网络是基于感知机的扩展,而DNN是具有多层隐藏层的神经网络。DNN也叫做多层感知机(Multi-Layer perceptron,MLP)。
DNN内部的神经网络层可以分为三类,输入层、隐藏层和输出层,如下图示例,第一层是输入层,最后一层是输出层,中间为隐藏层。
层与层之间是全连接的,第层的任意一个神经元一定与第层的任意一个神经元相连。其提现了一个基本的线性关系: + 激活函数。
3、灾害智能识别
3.1 地质灾害数据清洗与数据抽析。
对不同GIS专题数据进行数据清洗与数据抽析。
3.2 地质灾害数据标准化
对清洗后的数据进行数据标准化处理,形成可标准化Input数据。
3.3 地质灾害数据训练与预测
利用标准化后的Input数据进行训练与预测。