ఇండెక్స్ చేయబడింది
  • J గేట్ తెరవండి
  • RefSeek
  • హమ్దార్డ్ విశ్వవిద్యాలయం
  • EBSCO AZ
  • OCLC- వరల్డ్ క్యాట్
  • పబ్లోన్స్
  • అంతర్జాతీయ సైంటిఫిక్ ఇండెక్సింగ్
  • యూరో పబ్
  • గూగుల్ స్కాలర్
ఈ పేజీని భాగస్వామ్యం చేయండి
జర్నల్ ఫ్లైయర్
Flyer image

నైరూప్య

డీప్ ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్‌లను ఉపయోగించి వర్గీకరణ ఖచ్చితత్వంపై యాక్టివేషన్ ఫంక్షన్ యొక్క ప్రభావాన్ని అధ్యయనం చేయడం

సర్వా A*

ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్‌లు (ANN) రిమోట్ సెన్సింగ్ వర్గీకరణలో విస్తృతంగా ఉపయోగించబడుతుంది. ANNని ఆప్టిమైజ్ చేయడం అనేది ఇప్పటికీ రిమోట్ సెన్సింగ్‌లో ఒక సమస్యాత్మకమైన పరిశోధనా రంగం. వర్గీకరణలో (ల్యాండ్‌కవర్ మ్యాపింగ్) సంపూర్ణంగా ఉపయోగించబడే ANN యాక్టివేషన్ ఫంక్షన్‌ను కనుగొనడానికి ఈ పరిశోధన పని ఒక ట్రయల్. మొదటి దశ రిఫరెన్స్ మ్యాప్‌ను సిద్ధం చేయడం, ఆపై ఎంచుకున్న యాక్టివేషన్ ఫంక్షన్‌ను ఊహించడం మరియు ANN ఫజిఫైడ్ అవుట్‌పుట్‌ను స్వీకరించడం. ఖచ్చితత్వ అంచనాను చేరుకోవడానికి సూచనతో అవుట్‌పుట్‌ను పోల్చడం చివరి దశ. పరిశోధన ఫలితం రిమోట్ సెన్సింగ్ వర్గీకరణలో ఉపయోగించడానికి సరైన యాక్టివేషన్ ఫంక్షన్‌ను ఫిక్సింగ్ చేస్తోంది. నిజమైన మల్టీ-స్పెక్ట్రల్ ల్యాండ్‌శాట్ 7 ఉపగ్రహ చిత్రాలు ఉపయోగించబడ్డాయి మరియు వర్గీకరించబడ్డాయి (ANNని ఉపయోగించి) మరియు వర్గీకరణ యొక్క ఖచ్చితత్వం విభిన్న క్రియాశీలత ఫంక్షన్‌లతో అంచనా వేయబడింది. సిగ్మోయిడ్ ఫంక్షన్ ఉత్తమ యాక్టివేషన్ ఫంక్షన్‌గా గుర్తించబడింది.

నిరాకరణ: ఈ సారాంశం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టూల్