面向地球化学异常识别的深度学习算法对比研究

李沐思, 陈丽蓉, 谢飞, 谷兰丁, 吴晓栋, 马芬, 尹兆峰

Comparison of deep learning algorithms for geochemical anomaly identification

LI Mu-Si, CHEN Li-Rong, XIE Fei, GU Lan-Ding, WU Xiao-Dong, MA Fen, YIN Zhao-Feng

表3 AE和MCAE网络结构

Table 3 AE and MCAE network structure

模型 编码器 解码器 AE 输入:以样本为单位输入,输入为11×5244(57×92)的样本浓度值矩阵 全连接层:250个神经元,激活函数relu 全连接层:180个神经元,激活函数relu 全连接层:80个神经元,激活函数relu 全连接层:80个神经元,激活函数relu 全连接层:180个神经元,激活函数relu 全连接层:250个神经元,激活函数relu 输出:输出维度为11×5244(57×92)的重构矩阵,激活函数为softmax 训练次数为10000次 MCAE 输入层:以元素为单位输入,维度为(57×92)5244×11的样本浓度值矩阵 卷积层:二维卷积,卷积核数为16,多尺寸卷积窗口,激活函数relu,填充方式same 池化层:二维池化,池化窗口3×2,填充方式same 上采样层:二维上采样,池化窗口3×2 卷积层:二维卷积,卷积核数为16,多尺寸卷积窗口,激活函数relu,填充方式same 输出层:卷积窗口为1的卷积层,输出维度为11×5244(57×92)的重构矩阵,激活函数sigmoid 训练次数为1500次