文献

J-GLOBAL ID：201702236127507112   整理番号：17A0707750

BPニューラルネットワークに基づく竹林のリモートセンシングモニタリング研究【JST・京大機械翻訳】

Remote sensing image based bamboo forest monitoring with a back propagation(BP) neural network

著者 (6件)： SHI Yongjun (School of Environmental Sciences and Technology; Zhejiang Forestry College) ,  XU Xiaojun (School of Environmental Sciences and Technology; Zhejiang Forestry College) ,  DU Huaqiang (School of Environmental Sciences and Technology; Zhejiang Forestry College) ,  ZHOU Guomo (School of Environmental Sciences and Technology; Zhejiang Forestry College) ,  JIN Wei (School of Environmental Sciences and Technology; Zhejiang Forestry College) ,  ZHOU Yufeng (School of Environmental Sciences and Technology; Zhejiang Forestry College)
資料名： Zhejiang Linxueyuan Xuebao  (Zhejiang Linxueyuan Xuebao)
巻： 25  号： 4  ページ： 417-421  発行年： 2008年08月 
JST資料番号： W1467A  ISSN： 1000-5692  CODEN： ZHLXEC  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： 竹林の情報抽出はリモートセンシング技術を利用して竹林の炭素貯蔵量を推定するのに非常に重要であり、竹林の情報を高精度で抽出することは炭素貯蔵量の推定誤差を下げるのに有利である。ついで神経回路網モジュールを採用した。BPニューラルネットワーク(BACK PROPAGATION NEURAL NETWORK)を用いて、ETM+(ENHANCED THEMATIV と PLUS)リモートセンシング画像から竹林情報を抽出し、高い精度を得た。生産精度とユーザ精度は,それぞれ84.04%と%%であった。同時に,LEVENBERG-MARQUARDTBPアルゴリズム(関数),適応学習率BPの勾配減少関数(TRAINGDA)および勾配降下運動量BPアルゴリズム(TRAINGDM)の3種類の訓練関数の分類における差異を比較した。解析結果は,TRAINGDAアルゴリズムの分類精度が最も高く,TRAINLMアルゴリズムのトレーニング時間が最も短いことを示した。図3,表3,参考文献17Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *リモートセンシング ,  神経回路網 ,  二酸化炭素貯留 ,  運動量 ,  精度 ,  情報抽出
準シソーラス用語： 分類精度 ,  BPアルゴリズム ,  適応学習 ,  リモートセンシング画像 ,  推定誤差 ,  高精度 ,  *竹林 ,  *逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： forest management ,  back propagation(BP) neural network ,  bamboo forest ,  classification ,  remote sensing ,  enhanced thematic mapper plus(ETM+)

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  景観  (RD04010N)

タイトルに関連する用語 (5件)： BPニューラルネットワーク ,  竹林 ,  リモートセンシング ,  モニタリング ,  研究