咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于贝叶斯正则化BP神经网络的GPS高程转换 收藏

基于贝叶斯正则化BP神经网络的GPS高程转换

Conversion of GPS Height Based on Bayesian Regularization BP Neural Network

作     者:宋雷 黄腾 方剑 周旭华 SONG Lei;HUANG Teng;FANG Jian;ZHOU Xuhua

作者机构:河海大学土木工程学院江苏南京210098 中国科学院测量与地球物理研究所湖北武汉430077 

出 版 物:《西南交通大学学报》 (Journal of Southwest Jiaotong University)

年 卷 期:2008年第43卷第6期

页      面:724-728页

核心收录:

学科分类:081802[工学-地球探测与信息技术] 08[工学] 081105[工学-导航、制导与控制] 0818[工学-地质资源与地质工程] 0804[工学-仪器科学与技术] 0811[工学-控制科学与工程] 

基  金:国家自然科学基金资助项目(40674013) 863计划资助项目(2006AA09Z153) 

主  题:贝叶斯正则化 BP神经网络 GPS高程转换 高程异常 

摘      要:为了改善BP神经网络在GPS高程转换过程中过拟合的现象,提出了用贝叶斯正则化算法的BP神经网络转换GPS高程的新方法,并利用区域GPS/水准数据,将新方法和未采用正则化算法的BP神经网络进行GPS高程转换的比较.结果表明:在较大区域和高程异常呈不规则的情况下,新方法不仅可以有效提高GPS高程转换的精度,而且通过贝叶斯正则化算法可以改善网络结构,抑制过拟合现象.在约10 km的GPS基线尺度上,新方法可以得到精度达0.050 m的正常高.

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分