您的位置： 专家智库 > >

高晨

作品数：3 被引量：7H指数：2
供职机构：辽宁工程技术大学更多>>
相关领域：天文地球建筑科学更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文
  • 1篇专利

领域

  • 1篇天文地球
  • 1篇建筑科学

主题

  • 2篇露天
  • 2篇露天矿
  • 2篇露天矿边坡
  • 1篇对地观测
  • 1篇对地观测卫星
  • 1篇兴趣点
  • 1篇遥感
  • 1篇遥感影像
  • 1篇隐含层
  • 1篇优化设计
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络模型
  • 1篇输入层
  • 1篇全局最优
  • 1篇全局最优解
  • 1篇群算法
  • 1篇种群规模
  • 1篇子群
  • 1篇自适

机构

  • 3篇辽宁工程技术...

作者

  • 3篇高晨
  • 2篇钱建国
  • 1篇于斌
  • 1篇董强
  • 1篇赵玉国

传媒

  • 1篇测绘与空间地...

年份

  • 1篇2021
  • 2篇2017
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
基于高分一号影像和POI数据的土地功能分类方法研究
随着社会经济的快速发展以及土地利用在深度和广度上的不断提高，土地用途由单一逐渐向多元方向发展。城市土地功能分类在分析土地资源消费和虚拟贸易，研究社会经济发展与土地资源压力的动态联系方面具有重要意义。因此，构建土地功能分类...
高晨
关键词：对地观测卫星遥感影像兴趣点核密度估计
一种露天矿边坡位移量预测模型的建立方法
本发明关于露天矿采挖工程技术领域，一种露天矿边坡位移量预测模型的建立方法，获取边坡变形监测样本数据，确定BP神经网络的拓扑结构，确定输入层、隐含层和输出层的神经元个数；根据BP神经网络的拓扑结构确定粒子群种群规模和维数确...
钱建国于斌高晨于诗深赵玉国董强
文献传递
露天矿边坡变形监测中BP神经网络模型优化设计被引量：4
2017年
提出了一种提升露天矿边坡位移量预测精度和收敛速度的基于自适应混合跳跃粒子群算法(AHJPSO)改进的BP(Back Propagation)神经网络模型。传统的BP神经网络模型在位移量预测过程中存在收敛速度慢、预测精度低、易陷入局部极小值的问题,而自适应混合跳跃粒子群算法具有快速寻优能力以及能够在迭代计算的过程中有效避免陷入局部极小值的能力,所以采用自适应混合跳跃粒子群算法优化后的BP神经网络模型,能够使BP神经网络模型对露天矿边坡位移量的预测精度更高、算法收敛速度更快,并有效跳出局部极小值。
钱建国高晨
关键词：BP神经网络模型露天矿边坡
全选 清除 导出
共1页<1>
聚类工具0