文献

J-GLOBAL ID：201702226204096403   整理番号：17A0105698

人工神経回路網に基づくマルチ特性因子道路網整合アルゴリズム【JST・京大機械翻訳】

Road Network Matching Considering Multiple Geometric Characteristics Based on the Artificial Neural Network

著者 (5件)： Guo Ningning (Key Laboratory of Virtual Geographic Environment of Ministry of Education, Nanjing Normal University, Jiangsu Center for Collaborative Innovation in Geographic Information Resource Development and Application) ,  Sheng Yehua (Key Laboratory of Virtual Geographic Environment of Ministry of Education, Nanjing Normal University, Jiangsu Center for Collaborative Innovation in Geographic Information Resource Development and Application) ,  Huang Baoqun (Key Laboratory of Virtual Geographic Environment of Ministry of Education, Nanjing Normal University, Jiangsu Center for Collaborative Innovation in Geographic Information Resource Development and Application) ,  Lyu Haiyang (Key Laboratory of Virtual Geographic Environment of Ministry of Education, Nanjing Normal University, Jiangsu Center for Collaborative Innovation in Geographic Information Resource Development and Application) ,  Zhang Siyang (Key Laboratory of Virtual Geographic Environment of Ministry of Education, Nanjing Normal University, Jiangsu Center for Collaborative Innovation in Geographic Information Resource Development and Application)
資料名： Diqiu Xinxi Kexue Xuebao  (Diqiu Xinxi Kexue Xuebao)
巻： 18  号： 9  ページ： 1153-1159  発行年： 2016年 
JST資料番号： C2670A  ISSN： 1560-8999  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 複数の特徴因子を考慮した線要素マッチングの場合,経験的知識によって各特徴因子の重みを決定することはヒューマンエラーをもたらす。この問題を解決するために,本論文では,人工神経回路網に基づくマルチ特性因子道路網のマッチングアルゴリズムを提案し,幾何学的およびトポロジー的特性に従って,長さ,方向,形状,距離,およびトポロジーの5つの特性因子の類似性を,道路網整合の参照因子として選択した。まず第一に,サンプルデータの5つの特性因子の類似性を計算して,サンプルデータの5つの特性因子の類似性とサンプルのマッチング度を使用して,学習パターン対を構築した。次に,BPニューラルネットワークの誤差逆伝播機構を用いて,各神経層の間の連結重みを自動的に調整した。最終的に,すべてのデータを入力して,参照層のアークとマッチング層の間の整合度を計算して,マルチ特性因子の道路網整合を実現した。実験結果は,人工神経回路網によって合成したマルチ特性因子の道路網マッチングが,マッチング効率とマッチング精度を改善することができることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アーク放電 ,  ヒューマンエラー ,  学習 ,  *道路網 ,  アルゴリズム ,  位相幾何学 ,  マッチング ,  類似性 ,  *ニューラルネットワーク
準シソーラス用語： *神経 ,  逆伝播ニューラルネットワーク ,  マッチングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： BP neural network ,  road network ,  matching ,  multiple geometric characteristics

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 人工神経回路網 ,  マルチ ,  因子 ,  道路網 ,  整合 ,  アルゴリズム