文献

J-GLOBAL ID：202202226712675173   整理番号：22A0977531

米ハイパースペクトルデータ分類のための残差学習に基づくMLPネットワーク【JST・京大機械翻訳】

An MLP Network Based on Residual Learning for Rice Hyperspectral Data Classification

著者 (6件)： Tang Xiao-Jiang (College of Information and Electrical Engineering, China Agricultural University, Beijing, China) ,  Liu Xin (College of Information and Electrical Engineering, China Agricultural University, Beijing, China) ,  Yan Peng-Fei (College of Information and Electrical Engineering, China Agricultural University, Beijing, China) ,  Li Bao-Xia (College of Information and Electrical Engineering, China Agricultural University, Beijing, China) ,  Qi Hao-Yu (College of Science, China Agricultural University, Beijing, China) ,  Huang Feng (College of Science, China Agricultural University, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6007405.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： いくつかの種類のイネ(血漿種子処理によるイネを含む)を分類するために,イネのハイパースペクトル画像(HSI)のデータセットを構築した。多層パーセプトロン(MLP)は,翻訳不変性と局所連結性を除去するので,イネHSI上で良好な分類性能を持っている。残差学習は,元の情報を保持するために,MLPネットワークの特徴抽出能力を改善し,モデルを退化から防止し,モデルの急速な収束を容易にした。したがって,MLPネットワークと残差学習に基づく米ハイパースペクトル画像分類モデルを提案した。結果は,提案モデルが他の一般的分類モデルより高い分類精度(98.48%)を有することを示した。さらに,このモデルを,99.95%以上の精度で2つの公開データセットで検証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *ネットワーク ,  分類 ,  血漿 ,  特徴抽出 ,  *残差 ,  精度 ,  モデル ,  不変性 ,  連結性 ,  多層パーセプトロン
準シソーラス用語： ハイパースペクトル画像 ,  分類精度 ,  *ハイパースペクトルデータ ,  分類モデル , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 米 ,  ハイパースペクトルデータ ,  分類 ,  残差 ,  学習