抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究は,台湾南部の5つの海浜から収集したデータを用いて,多層パーセプトロン(MLP)ニューラルネットワークを用いて海岸線変化をモデル化した。データは,1982年,2002年および2006年の森林局の空中調査地図を含み,予測子として役立ち,一方,無人航空機(UAV)調査データは2019のデータを回答者として役立った。MLPは,それらの有意性を評価する目的で,5つの異なる活性化関数を用いて構成した。これらの機能は,同一性,Tahn,ロジスティック,指数,およびSine関数であった。その結果,MLPモデルの性能は活性化関数の選択に影響されることが分かった。ロジスティックとTahn活性化関数は,他のモデルよりも優れており,ロジスティックは3つの海浜で最良で,残りはTahnであった。これらの知見は, shoreline線変化への機械学習の適用が,異なる活性化機能の広範な評価を伴うべきであることを示唆する。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】