光学 精密工程
2023, 31(16): 2430
辽宁工程技术大学电子与信息工程学院，辽宁 葫芦岛 125105
为了加快天线建模优化速度，提出了一种基于深度学习网络架构的新型深度多层感知机（DMLP）网络用于优化超宽带天线，该网络采用阶梯下降形深度全连接层网络，应用Adam优化器自动更新学习率，加快了模型的权值更新。应用drop-out技术对隐含层中的部分神经元进行随机剔除，以防止网络层数过深所导致的过拟合现象的发生。使用DMLP网络对超宽带阶梯形微带单极子天线几何参数进行建模，从天线的8个几何参数中提取特征，对天线的S11值进行预测。实验结果表明，该结构网络与传统多层感知器神经网络、径向基神经网络相比，对S11的预测平均误差分别减小了118.32%和123.76%，拥有更高的预测准确度，拟合速度也有较大提升，通过实验验证了此网络的可行性。
光学器件 深度多层感知机 超宽带阶梯形微带单极子天线 Adam优化器 激光与光电子学进展
2022, 59(13): 1323001
1 中国人民公安大学刑事科学技术学院,北京 100038
2 中国人民公安大学刑事科学技术实验教学中心,北京 100038
中性笔油墨是司法鉴定中同一认定的重要物证。为提高油墨检验的准确性,本文利用拉曼光谱法对油墨样本进行无损检测。首先对预处理后的光谱数据进行降维处理,构建偏最小二乘判别分析模型;然后采用受试者工作特征曲线线下面积对预测效果进行验证,提取出36个变量投影重要性最高的特征变量;接着将特征变量作为数据输入到隐藏层神经元数目为13的多层感知器中,最终的训练正确率为87%且无过拟合现象。将变量投影重要性的特征提取与有监督的多层感知器训练相结合,可以有效压缩数据,缩短分析时间。感知器层间的连接权重可通过自主学习进行调节,提高了中性笔油墨分类结果的可信度与正确率。
光谱学 拉曼光谱法 偏最小二乘判别分析 变量投影重要性 多层感知器 激光与光电子学进展
2021, 58(1): 0130002
1 上海大学通信与信息工程学院, 上海 200444
2 上海先进通信与数据科学研究院, 上海 200444
3 国网山东省电力公司, 山东 济南 250000
通过分析杆塔镂空的结构特征,提出了一种基于杆塔梯度方向直方图(HOG)的由远及近杆塔部件检测方法。使用不同方位下杆塔HOG特征训练多层感知机(MLP),得到训练后的分类模型,将航拍图像输入到分类模型中识别杆塔的方位,最终实现了局部目标的检测。相比于深度学习神经网络,该方法的分类特征更加明确,更具有代表性。实验结果表明,所提方法的检测准确率比Faster RCNN(Regions with Convolutional Neural Networks)方法高27.9%,运算时间比Faster RCNN减少70.6%。所提方法适用于在开阔环境下利用无人机对杆塔方位及其局部部件的精确检测。
图像处理 视觉导航 梯度方向直方图特征 多层感知机 杆塔检测 神经网络 激光与光电子学进展
2019, 56(8): 081006
中国矿业大学 国土环境与灾害监测国家测绘局重点实验室，江苏 徐州 221116
针对传统方法在提取城市不透水层中的许多局限性，采用两种非线性光谱混合分解模型，包括混合调谐匹配滤波和多层感知器神经网络，通过混合像元分解获取城市不透水层.混合调谐匹配滤波利用用户选择的端元，通过最大化端元响应并减少未知背景信息的影响，进行局部分解端元.多层感知器由多个感知器组成，能够很好的进行非线性学习.对Landsat TM遥感影像进行最大噪声分离，使其转换到另外一个特征空间.利用新生成数据集的前三个成分(占90%以上信息量)进行纯净像元提取，并利用N维可视化分析器寻找出四个进行分解的端元：植被、高反射率地物、低反射率地物和土壤。不透水层则由高反射率和低反射率两个分量估算而成。对不同模型提取的结果，利用QuickBird多光谱图像评价其准确性.实验结果表明人工神经网络的精度最高，即非线性光谱混合模型同样可以有效地提取不透水层，精度甚至优于线性模型.
光谱混合模型 不透水层 人工神经网络 多层感知器 Spectral mixture model Impervious surface Artificial neural network Multi-layer perceptron
