Zeitschrift für Fernerkundung und GIS

Abstrakt

Untersuchung der Auswirkungen der Aktivierungsfunktion auf die Klassifizierungsgenauigkeit mithilfe tiefer künstlicher neuronaler Netzwerke

Serwa A*

Künstliche neuronale Netzwerke (KNN) werden häufig bei der Klassifizierung durch Fernerkundung verwendet. Die Optimierung von KNN ist insbesondere in der Fernerkundung noch immer ein rätselhaftes Forschungsgebiet. In dieser Forschungsarbeit wird versucht, die Aktivierungsfunktion von KNN zu ermitteln, die sich optimal für die Klassifizierung (Bodenbedeckungskartierung) eignet. Der erste Schritt besteht darin, die Referenzkarte vorzubereiten, dann eine ausgewählte Aktivierungsfunktion anzunehmen und die unscharfe Ausgabe des KNN zu erhalten. Im letzten Schritt wird die Ausgabe mit der Referenz verglichen, um die Genauigkeit zu beurteilen. Das Forschungsergebnis ist die Festlegung der Aktivierungsfunktion, die sich perfekt für die Klassifizierung durch Fernerkundung eignet. Es wurden echte multispektrale Satellitenbilder von Landsat 7 verwendet und (mithilfe KNN) klassifiziert und die Genauigkeit der Klassifizierung mit verschiedenen Aktivierungsfunktionen beurteilt. Die Sigmoidfunktion erwies sich als die beste Aktivierungsfunktion.