PRoRS
latest
课程介绍
第01讲 概述
第一部分:特征空间像元分类
第02讲 分类过程
第03讲 学习过程
第04讲 深度学习
4.1 算法原理
4.1.1 神经网络的误差向后传递过程
4.1.1.1 神经网络基本结构
4.1.1.2 误差反向传导算法
4.1.1.3 误差反向传导过程
4.1.2 边界极大化(SVM)
4.1.2.1 边界最大化推导过程
4.1.2.2 对偶问题求解步骤
4.1.2.3 非线性情况求解
4.1.2.4 多类问题
4.1.2.5 SMO算法
4.2 分类函数
4.3 示例案例
4.4 探究式问题
4.5 课后习题
4.6 全连接网络后向传播可视化
4.7 课件示例代码
第05讲 模型选择
第06讲 数据准备
课后作业 1
第二部分:图像平面对象识别
第07讲 图像分类-CNN
第08讲 对象检测-RCNN
第09讲 语义分割-FCN
第10讲 实例分割-RNN
第11讲 图像合成-GAN
课后作业 2
第三部分:地球表面遥感制图
第12讲 地表覆盖制图
第13讲 土地覆盖分类
第14讲 专题制图
第15讲 变化遥感监测
课后作业 3
学生报告
2017年春季课程报告
2018年春季课程报告
PRoRS
第04讲 深度学习
4.1 算法原理
在 GitHub 上编辑
4.1 算法原理
4.1.1 神经网络的误差向后传递过程
4.1.1.1 神经网络基本结构
4.1.1.2 误差反向传导算法
4.1.1.3 误差反向传导过程
4.1.2 边界极大化(SVM)
4.1.2.1 边界最大化推导过程
4.1.2.2 对偶问题求解步骤
4.1.2.3 非线性情况求解
4.1.2.4 多类问题
4.1.2.5 SMO算法
[ ]:
Read the Docs
v: latest
版本
latest
下载
托管于 Read the Docs
项目主页
构建