人工智能與專家系統(tǒng)51

第八章人工神經(jīng)網(wǎng)絡(luò)及應(yīng)用8.1人工神經(jīng)網(wǎng)絡(luò)概述8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)8.3人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)8.4人工神經(jīng)網(wǎng)絡(luò)應(yīng)用第一頁(yè)，共五十二頁(yè)。8.1人工神經(jīng)網(wǎng)絡(luò)概述

利用機(jī)器模仿人類的智能是長(zhǎng)期以來人們認(rèn)識(shí)自然、改造自然和認(rèn)識(shí)自身的理想。人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork）是一個(gè)用大量簡(jiǎn)單處理單元經(jīng)廣泛連接而組成的人工網(wǎng)絡(luò)，是對(duì)人腦或生物神經(jīng)網(wǎng)絡(luò)若干基本特性的抽象和模擬。第二頁(yè)，共五十二頁(yè)。（1）研究ANN目的探索和模擬人的感覺、思維和行為的規(guī)律，設(shè)計(jì)具有人類智能的計(jì)算機(jī)系統(tǒng)。探討人腦的智能活動(dòng)，用物化了的智能來考察和研究人腦智能的物質(zhì)過程及其規(guī)律。第三頁(yè)，共五十二頁(yè)。（2）研究ANN方法●生理結(jié)構(gòu)的模擬用仿生學(xué)觀點(diǎn)，探索人腦的生理結(jié)構(gòu)，把對(duì)人腦的微觀結(jié)構(gòu)及其智能行為的研究結(jié)合起來即人工神經(jīng)網(wǎng)絡(luò)方法?！窈暧^功能的模擬從人的思維活動(dòng)和智能行為的心理學(xué)特性出發(fā)，利用計(jì)算機(jī)系統(tǒng)來對(duì)人腦智能進(jìn)行宏觀功能的模擬，即符號(hào)處理方法。第四頁(yè)，共五十二頁(yè)。（3）ANN的研究?jī)?nèi)容理論研究：從數(shù)學(xué)上描述ANN的動(dòng)力學(xué)過程，建立相應(yīng)的ANN模型。對(duì)于給定的學(xué)習(xí)樣本，找出一種能以較快的速度和較高的精度調(diào)整神經(jīng)元間互連權(quán)值，使系統(tǒng)達(dá)到穩(wěn)定狀態(tài)，滿足學(xué)習(xí)要求的算法。實(shí)現(xiàn)技術(shù)的研究：探討利用電子、光學(xué)、生物等技術(shù)實(shí)現(xiàn)神經(jīng)計(jì)算機(jī)的途徑。應(yīng)用的研究：探討如何應(yīng)用ANN解決實(shí)際問題，如模式識(shí)別、故障檢測(cè)、智能機(jī)器人等。第五頁(yè)，共五十二頁(yè)。（4）ANN的特點(diǎn)與優(yōu)勢(shì)具有自學(xué)習(xí)功能具有聯(lián)想存儲(chǔ)功能具有高速尋找優(yōu)化解的能力第六頁(yè)，共五十二頁(yè)。人工神經(jīng)網(wǎng)絡(luò)的局限性人工神經(jīng)網(wǎng)絡(luò)不適于高精度的計(jì)算正像很多人不善于直接計(jì)算類似資金的問題一樣，人工神經(jīng)網(wǎng)絡(luò)不用于計(jì)算資金方面的問題。人工神經(jīng)網(wǎng)絡(luò)不適于做類似順序計(jì)數(shù)的工作。人工神經(jīng)網(wǎng)絡(luò)是以并行方式工作的。人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練是一個(gè)艱難的過程。網(wǎng)絡(luò)的設(shè)計(jì)沒有嚴(yán)格確定的方法（一般憑經(jīng)驗(yàn)），所以選擇訓(xùn)練方法和所需網(wǎng)絡(luò)結(jié)構(gòu)沒有統(tǒng)一標(biāo)準(zhǔn)。脫機(jī)訓(xùn)練往往需要很長(zhǎng)時(shí)間，為了獲得最佳效果，常常要重復(fù)試驗(yàn)多次。網(wǎng)絡(luò)收斂性的問題。第七頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)人工神經(jīng)網(wǎng)絡(luò)的生物原型—大腦簡(jiǎn)單的神經(jīng)元第八頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)簡(jiǎn)單的神經(jīng)元神經(jīng)元就是神經(jīng)細(xì)胞，在人體內(nèi)從大腦到全身存在大約1010個(gè)神經(jīng)元。神經(jīng)元的組成：細(xì)胞體：它是神經(jīng)元的本體，內(nèi)有細(xì)胞核和細(xì)胞質(zhì)，完成普通細(xì)胞的生存功能。樹突：它有大量的分枝，多達(dá)103數(shù)量級(jí)，長(zhǎng)度較短（通常不超過1毫米），用以接受來自其它神經(jīng)元的信號(hào)。軸突：用以輸出信號(hào)，有些較長(zhǎng)（可達(dá)1米以上），軸突的遠(yuǎn)端也有分枝，可與多個(gè)神經(jīng)元相連。突觸：它是一個(gè)神經(jīng)元與另一個(gè)神經(jīng)元相聯(lián)系的特殊部位，通常是一個(gè)神經(jīng)元軸突的端部靠化學(xué)接觸或電接觸將信號(hào)傳遞給下一個(gè)神經(jīng)元的樹突或細(xì)胞體。第九頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)神經(jīng)元間信號(hào)的傳遞神經(jīng)元間的信號(hào)通過突觸傳遞。通過它，一個(gè)神經(jīng)元內(nèi)傳送的沖擊信號(hào)將在下一個(gè)神經(jīng)元內(nèi)引起響應(yīng)，使下一個(gè)神經(jīng)元興奮，或阻止下一個(gè)神經(jīng)元興奮。第十頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)神經(jīng)元的基本工作機(jī)制一個(gè)神經(jīng)元有兩種狀態(tài)——興奮和抑制平時(shí)處于抑制狀態(tài)的神經(jīng)元，當(dāng)接收到其它神經(jīng)元經(jīng)由突觸傳來的沖擊信號(hào)時(shí)，多個(gè)輸入在神經(jīng)元中以代數(shù)和的方式疊加。進(jìn)入突觸的信號(hào)會(huì)被加權(quán)，起興奮作用的信號(hào)為正，起抑制作用的信號(hào)為負(fù)。如果疊加總量超過某個(gè)閾值，神經(jīng)元就會(huì)被激發(fā)進(jìn)入興奮狀態(tài)，發(fā)出輸出脈沖，并由軸突的突觸傳遞給其它神經(jīng)元。神經(jīng)元被觸發(fā)后有一個(gè)不應(yīng)期，在此期間內(nèi)不能被觸發(fā)，然后閾值逐漸下降，恢復(fù)原來狀態(tài)。第十一頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)神經(jīng)元的基本工作機(jī)制神經(jīng)元是按照“全或無”的原則工作的，只有興奮和抑制兩種狀態(tài)，但也不能認(rèn)為神經(jīng)元只能表達(dá)或傳遞二值邏輯信號(hào)。神經(jīng)元興奮時(shí)往往不是只發(fā)一個(gè)脈沖，而是發(fā)出一串脈沖，如果把一串脈沖看成是一個(gè)調(diào)頻信號(hào)，脈沖的密度是可以表達(dá)連續(xù)量的。第十二頁(yè)，共五十二頁(yè)。神經(jīng)網(wǎng)絡(luò)基本模型第十三頁(yè)，共五十二頁(yè)。黑箱當(dāng)常規(guī)方法解決不了或效果不佳時(shí)ANN方法才能顯示出其優(yōu)越性。尤其對(duì)問題的機(jī)理不甚了解或不能用數(shù)學(xué)模型表示的系統(tǒng),如故障診斷、特征提取和預(yù)測(cè)等問題,ANN往往是最有利的工具。另一方面,ANN對(duì)處理大量原始數(shù)據(jù)而不能用規(guī)則或公式描述的問題,表現(xiàn)出極大的靈活性和自適應(yīng)性。第十四頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)單層網(wǎng)絡(luò)最簡(jiǎn)單的網(wǎng)絡(luò)是把一組結(jié)點(diǎn)形成一層。左邊的黑色圓點(diǎn)只起著分配輸入信號(hào)的作用，沒有計(jì)算作用，不看作是網(wǎng)絡(luò)的一層。右邊用圓圈表示的一組結(jié)點(diǎn)被看作一層。第十五頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)單層網(wǎng)絡(luò)輸入信號(hào)表示為行向量：x=(x1,x2,…,xN)，其中每一分量通過加權(quán)連接到各結(jié)點(diǎn)。每一個(gè)結(jié)點(diǎn)均可產(chǎn)生一個(gè)加權(quán)和。輸入和結(jié)點(diǎn)間采用全連接，并且都是前饋連接。實(shí)際的人工神經(jīng)網(wǎng)絡(luò)和生物神經(jīng)網(wǎng)絡(luò)中有些連接可能不存在。第十六頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)單層網(wǎng)絡(luò)在這種單層網(wǎng)絡(luò)中，可把各加權(quán)表示為加權(quán)矩陣W。矩陣的維數(shù)是Nxn，N是輸入信號(hào)向量（也稱輸入圖形）的分量數(shù)，n是該層內(nèi)的結(jié)點(diǎn)數(shù)。由第三個(gè)輸入連接到第二個(gè)結(jié)點(diǎn)的連接權(quán)表示為W32。第十七頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)單層網(wǎng)絡(luò)輸入信號(hào)的加權(quán)和表示為：s是各結(jié)點(diǎn)加權(quán)和的行向量，s=(s1,s2,…,sn)。輸出向量y=(y1,y2,…,yn)，其中yj=F(sj)。第十八頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)多層網(wǎng)絡(luò)一般來說，大而復(fù)雜的網(wǎng)絡(luò)能提供更強(qiáng)的計(jì)算能力。雖然目前已構(gòu)成了很多網(wǎng)絡(luò)模型，但它們的結(jié)點(diǎn)都是按層排列的，這一點(diǎn)正是模仿了大腦皮層中的網(wǎng)絡(luò)模塊。多層網(wǎng)絡(luò)是由單層網(wǎng)絡(luò)進(jìn)行級(jí)聯(lián)構(gòu)成的，即上一層的輸出作為下一層的輸入。第十九頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)多層網(wǎng)絡(luò)兩層網(wǎng)絡(luò)（前饋全連接網(wǎng)絡(luò)）第二十頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)多層網(wǎng)絡(luò)三層網(wǎng)絡(luò)（前饋全連接網(wǎng)絡(luò)）第二十一頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)存儲(chǔ)和回憶存儲(chǔ)就是將信息或圖形存在某種存儲(chǔ)器中，而回憶則是將已存儲(chǔ)的信息按某種方式恢復(fù)出來。為了與人類大腦的功能類比，我們把這種信息的恢復(fù)稱為回憶。第二十二頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)存儲(chǔ)和回憶人工神經(jīng)網(wǎng)絡(luò)中存儲(chǔ)圖形的類型在計(jì)算機(jī)中，數(shù)據(jù)和信息是存放在存貯器中（RAM或ROM)，以8比特字節(jié)作為存儲(chǔ)單位。在人工神經(jīng)網(wǎng)絡(luò)中，信息或圖形不再限定為8比特，它是多維的二進(jìn)制數(shù)據(jù)或連續(xù)信息。第二十三頁(yè)，共五十二頁(yè)。8.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)存儲(chǔ)和回憶人工神經(jīng)網(wǎng)絡(luò)中存儲(chǔ)的兩類圖形空間圖形的存儲(chǔ)存儲(chǔ)單個(gè)空間靜態(tài)圖像，如一幅畫面。時(shí)空?qǐng)D形的存儲(chǔ)存儲(chǔ)一系列隨時(shí)間變化的圖像，比如電影。我們討論的人工神經(jīng)網(wǎng)絡(luò)存儲(chǔ)的圖形大多是空間圖形，因它是構(gòu)成時(shí)空?qǐng)D形的基礎(chǔ)。第二十四頁(yè)，共五十二頁(yè)。人工神經(jīng)網(wǎng)絡(luò)中圖形的存儲(chǔ)內(nèi)容尋址存儲(chǔ)器它是在人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中形成的，相當(dāng)于通過訓(xùn)練將信息存儲(chǔ)在加權(quán)矩陣W中。訓(xùn)練一旦完成，數(shù)據(jù)就相當(dāng)于變換到加權(quán)矩陣的穩(wěn)定狀態(tài)中，因此這種存儲(chǔ)是長(zhǎng)期存儲(chǔ)。聯(lián)想存儲(chǔ)器它是在人工神經(jīng)網(wǎng)絡(luò)的回憶操作中出現(xiàn)的。當(dāng)對(duì)網(wǎng)絡(luò)輸入激勵(lì)信號(hào)時(shí)，作為回憶結(jié)果，網(wǎng)絡(luò)的輸出給出一個(gè)響應(yīng)狀態(tài)。這一響應(yīng)狀態(tài)實(shí)際上也相當(dāng)于一個(gè)所需的存儲(chǔ)數(shù)據(jù)（響應(yīng)），因此這種存儲(chǔ)為短期存儲(chǔ)。存儲(chǔ)和回憶第二十五頁(yè)，共五十二頁(yè)。存儲(chǔ)和回憶回憶的概念回憶是人類智能的一個(gè)主要特征，要想回憶某個(gè)人或某件事，通?？赏ㄟ^聯(lián)想進(jìn)行。當(dāng)看到一本書的封面顏色和作者時(shí)，會(huì)聯(lián)想到這是一本什么書（書的內(nèi)容）。當(dāng)丟失東西時(shí)，可以通過聯(lián)想到過什么地方，做過什么事情，最后回憶起把東西放在什么地方。這兩種情況都有一個(gè)特點(diǎn)，就是不管是哪本書，還是與東西有關(guān)的地點(diǎn)和事情，都是經(jīng)歷過的，相應(yīng)的記憶才有可能聯(lián)想出所需的結(jié)果。第二十六頁(yè)，共五十二頁(yè)。聯(lián)想的兩種方式自聯(lián)想：由本身的部分特征聯(lián)想起整個(gè)事物的全部特征。他聯(lián)想：由一件事情聯(lián)想到另一件事情。在人工神經(jīng)網(wǎng)絡(luò)中，回憶操作也有兩種聯(lián)想變換自聯(lián)想變換他聯(lián)想變換第二十七頁(yè)，共五十二頁(yè)。存儲(chǔ)和回憶回憶的概念在人工神經(jīng)網(wǎng)絡(luò)中，不管是自聯(lián)想回憶還是他聯(lián)想回憶，信息的回憶方式有兩種。前饋回憶反饋回憶第二十八頁(yè)，共五十二頁(yè)。存儲(chǔ)和回憶回憶的概念前饋回憶輸入激勵(lì)只需通過一次存儲(chǔ)矩陣就可產(chǎn)生所需的響應(yīng)。第二十九頁(yè)，共五十二頁(yè)。存儲(chǔ)和回憶回憶的概念反饋回憶輸入激勵(lì)通過存儲(chǔ)矩陣W產(chǎn)生響應(yīng)，該響應(yīng)作為激勵(lì)再反饋通過W，這樣依次循環(huán)，直到激勵(lì)和響應(yīng)停止變化為止，即得到所要求的響應(yīng)。第三十頁(yè)，共五十二頁(yè)。8.3人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)的最主要特征之一是它可以學(xué)習(xí)。任何一個(gè)人工神經(jīng)網(wǎng)絡(luò)模型要實(shí)現(xiàn)某種功能的操作，就必須對(duì)它進(jìn)行訓(xùn)練，讓它學(xué)會(huì)要做的事情，并把這些知識(shí)記憶（存儲(chǔ)）在網(wǎng)絡(luò)的加權(quán)中。學(xué)習(xí)或訓(xùn)練的實(shí)質(zhì)就是加權(quán)矩陣隨外部激勵(lì)（環(huán)境）做自適應(yīng)的變化。第三十一頁(yè)，共五十二頁(yè)。8.3人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)因?yàn)閷W(xué)習(xí)和訓(xùn)練的實(shí)質(zhì)是變動(dòng)加權(quán)值，因此很多文獻(xiàn)中學(xué)習(xí)和訓(xùn)練的概念是混用的。嚴(yán)格來說，兩者是有區(qū)別的，訓(xùn)練通常是指調(diào)整網(wǎng)絡(luò)加權(quán)的操作動(dòng)作和過程，這個(gè)過程對(duì)網(wǎng)絡(luò)來講就是學(xué)習(xí)。比如舉辦一個(gè)訓(xùn)練班對(duì)學(xué)生進(jìn)行某種技能的訓(xùn)練，對(duì)學(xué)生來講，它是在該班內(nèi)學(xué)習(xí)。第三十二頁(yè)，共五十二頁(yè)。8.3神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式監(jiān)督學(xué)習(xí)（有教師學(xué)習(xí)）非監(jiān)督學(xué)習(xí)（無教師學(xué)習(xí)）再勵(lì)學(xué)習(xí)（強(qiáng)化學(xué)習(xí)）第三十三頁(yè)，共五十二頁(yè)。監(jiān)督學(xué)習(xí)環(huán)境教師學(xué)習(xí)系統(tǒng)+輸入正確響應(yīng)實(shí)際響應(yīng)誤差信號(hào)第三十四頁(yè)，共五十二頁(yè)。非監(jiān)督學(xué)習(xí)環(huán)境學(xué)習(xí)系統(tǒng)輸入第三十五頁(yè)，共五十二頁(yè)。再勵(lì)學(xué)習(xí)環(huán)境學(xué)習(xí)系統(tǒng)輸入評(píng)價(jià)輸出狀態(tài)動(dòng)作第三十六頁(yè)，共五十二頁(yè)。人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用空間技術(shù)：飛行器控制系統(tǒng)，飛行器元件仿真，飛行器元件錯(cuò)誤探測(cè)。交通業(yè)：交通控制、道路優(yōu)化。金融業(yè)：信貸申請(qǐng)?jiān)u估。語言理解：語音識(shí)別，語音壓縮，聲調(diào)識(shí)別。遙感解譯、天氣預(yù)報(bào)、故障診斷、機(jī)器人，制造業(yè)，保險(xiǎn)業(yè)和醫(yī)學(xué)領(lǐng)域等。第三十七頁(yè)，共五十二頁(yè)?；谏窠?jīng)網(wǎng)絡(luò)模式識(shí)別功能的診斷系統(tǒng)第三十八頁(yè)，共五十二頁(yè)。因子的具體選取

依據(jù)降水的主要條件，從我國(guó)T213數(shù)值預(yù)報(bào)產(chǎn)品中選取反映保定降水條件的物理量。共從36小時(shí)預(yù)報(bào)中選出10個(gè)網(wǎng)格點(diǎn)要素，分別是：濕度條件：850HPA的相對(duì)濕度、水汽通量；垂直速度條件：850的散度、200的散度、700的垂直速度、降水量、700的渦度；（以上為116E、39N網(wǎng)點(diǎn)的值）東高西低條件：110E、120E、39N兩點(diǎn)850的高度差；鋒區(qū)和能量條件：116E、35N、45N兩點(diǎn)850的溫度差、TS。人工神經(jīng)網(wǎng)絡(luò)在短期降水預(yù)報(bào)中的應(yīng)用第三十九頁(yè)，共五十二頁(yè)。BP神經(jīng)網(wǎng)絡(luò)的建立采用三層BP人工神經(jīng)網(wǎng)絡(luò)模式，輸入層為10個(gè)神經(jīng)元，對(duì)應(yīng)10個(gè)預(yù)報(bào)因子。輸出層為3個(gè)神經(jīng)元，對(duì)應(yīng)降水的大中小三個(gè)降水量級(jí)。中間層一般取輸入層和輸出層數(shù)的平均，這里取7個(gè)神經(jīng)元。如圖1所示，X為輸入層，H為隱含層，Y為預(yù)報(bào)輸出層。第四十頁(yè)，共五十二頁(yè)。第四十一頁(yè)，共五十二頁(yè)。網(wǎng)絡(luò)訓(xùn)練1、預(yù)報(bào)因子0~1化：Xi=(Xmax-Xi)/(Xmax-Xmin)2、在訓(xùn)練以前我們?nèi)?~1之間的隨機(jī)數(shù)為連接權(quán)重系數(shù)Uil、Wlt和閥值Rl、Sj賦初值。由于訓(xùn)練開始時(shí)誤差常常較大，它們將在以后的訓(xùn)練學(xué)習(xí)過程中自動(dòng)逐步調(diào)節(jié)3、02年，我臺(tái)從3月到11月接收T213數(shù)值預(yù)報(bào)產(chǎn)品齊全的共有159天，用前109天的資料作為網(wǎng)絡(luò)訓(xùn)練樣本第四十二頁(yè)，共五十二頁(yè)。訓(xùn)練結(jié)果經(jīng)過兩萬多次的訓(xùn)練，總體預(yù)報(bào)誤差達(dá)到了4.0以下。終止訓(xùn)練后。這109天中共有降水日27天，其中小雨20天，中雨6天，大雨以上降水一次。訓(xùn)練結(jié)束時(shí)27天降水全部報(bào)出，量級(jí)也全部正確，只是空?qǐng)?bào)兩次小雨過程，歷史擬合率達(dá)到27/29=93%。第四十三頁(yè)，共五十二頁(yè)。試報(bào)結(jié)果在試報(bào)的50天中共有降水8次，其中大雨2次，漏一次，一次報(bào)中雨。中雨3次，報(bào)對(duì)2次，漏一次。3次小雨，一次報(bào)中雨，漏2次。另空?qǐng)?bào)2次小雨，定性準(zhǔn)確率4/10=40%。第四十四頁(yè)，共五十二頁(yè)。分析與討論擬合率雖然很高，但試報(bào)準(zhǔn)確率不太理想。這可能與樣本少，降水模型過于簡(jiǎn)單，且不分季節(jié)有關(guān)。如果增加歷史樣本，分季節(jié)、分類型建立降水模型。根據(jù)不同模型特點(diǎn)，分別找不同的預(yù)報(bào)因子，有可能提高實(shí)際的預(yù)報(bào)準(zhǔn)確率（BP）神經(jīng)網(wǎng)絡(luò)的輸入與輸出不象回歸方程是線性關(guān)系，而是非線性的。因此，因子的選好比較困難，沒有較好的數(shù)學(xué)方法，所以采用建降水模式的方法，找物理意義較明確的因子。但不同的預(yù)報(bào)員可能選擇的不同因子。第四十五頁(yè)，共五十二頁(yè)。人工神經(jīng)網(wǎng)絡(luò)在遙感影像解譯中的應(yīng)用基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的分類聚合技術(shù)的進(jìn)行了黃河下游灘區(qū)淹沒面積遙感影像自動(dòng)解譯的應(yīng)用研究，案例研究中選用2002年7月、2004年6月、2005年6月黃河下游灘區(qū)雷達(dá)衛(wèi)星遙感影像進(jìn)行了模型訓(xùn)練和測(cè)試。第四十六頁(yè)，共五十二頁(yè)。數(shù)據(jù)訓(xùn)練與分析

第四十七頁(yè)，共五十二頁(yè)。淹沒區(qū)內(nèi)空間像素的分類圖2a中像元的值是原始影像（圖2c）各個(gè)像元的灰度值（叢0到255），圖2右邊給出了由遙感專業(yè)人員目視解譯分類成果，圖2b中的數(shù)字是洪水區(qū)或者非洪水區(qū)的分類符號(hào)，這個(gè)分類符號(hào)0，表示該像元屬于非洪水區(qū)；符號(hào)255，表示該像元屬于洪水區(qū)。圖2a作為輸入值、圖2b作為輸出值組成了用于訓(xùn)練的數(shù)據(jù)，這些數(shù)據(jù)將用于分類。第四十八頁(yè)，共五十二頁(yè)。神經(jīng)網(wǎng)絡(luò)模型SAR圖像