[發(fā)明專利]貝葉斯正則化反向傳播神經(jīng)網(wǎng)絡(luò)坐標(biāo)轉(zhuǎn)換方法及裝置

在審

• 申請?zhí)枺?/td>: 202010421644.3
• 申請日: 2020-05-18
• 公開（公告）號: CN111598235A
• 公開（公告）日: 2020-08-28
• 發(fā)明（設(shè)計）人: 宋雷;陳旭;趙碩;周保興
• 申請（專利權(quán)）人: 山東交通學(xué)院
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06T3/60;G06K9/62;G06F16/29
• 代理公司: 濟南千慧專利事務(wù)所(普通合伙企業(yè)) 37232
• 代理人: 種道北

本申請公開了一種貝葉斯正則化反向傳播神經(jīng)網(wǎng)絡(luò)坐標(biāo)轉(zhuǎn)換方法及裝置，用以解決坐標(biāo)轉(zhuǎn)換過程中，整個區(qū)域采用一套坐標(biāo)轉(zhuǎn)換參數(shù)會使局部區(qū)域在坐標(biāo)轉(zhuǎn)換中損失精度，影響轉(zhuǎn)換后的坐標(biāo)的準(zhǔn)確性的問題。該方法確定控制點的2000國家大地坐標(biāo)系平面坐標(biāo)與工程獨立坐標(biāo)系平面坐標(biāo)，創(chuàng)建學(xué)習(xí)集；根據(jù)所述學(xué)習(xí)集，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，直至所述神經(jīng)網(wǎng)絡(luò)模型的性能指數(shù)達到預(yù)設(shè)值時，確定完成訓(xùn)練；根據(jù)訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型，以及待測點的2000國家大地坐標(biāo)系平面坐標(biāo)，確定轉(zhuǎn)換得到的所述待測點的工程獨立坐標(biāo)系平面坐標(biāo)。本方法通過貝葉斯正則化算法對反向傳播神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)值進行限制，有效改善網(wǎng)絡(luò)結(jié)構(gòu)，有利于提高坐標(biāo)轉(zhuǎn)換的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請涉及坐標(biāo)轉(zhuǎn)換技術(shù)領(lǐng)域，尤其涉及一種貝葉斯正則化反向傳播神經(jīng)網(wǎng)絡(luò)坐標(biāo)轉(zhuǎn)換方法及裝置。

背景技術(shù)

實時動態(tài)定位技術(shù)(Real-time Kinematic，RTK)是基于GPS載波相位觀測值的差分定位技術(shù)，可提供厘米級、實時化的定位方式，具有廣泛的應(yīng)用范圍。

在工程應(yīng)用中，基于RTK技術(shù)獲得的大地坐標(biāo)，經(jīng)過高斯投影可獲得2000國家大地坐標(biāo)系(CGCS2000)坐標(biāo)，以應(yīng)用在工程建設(shè)中。但在很多重大工程中，為了避免高斯投影變形帶來的誤差，通常會將國家大地坐標(biāo)系坐標(biāo)轉(zhuǎn)換為工程實際應(yīng)用的工程獨立坐標(biāo)。

常用的坐標(biāo)轉(zhuǎn)換方法有用于三維坐標(biāo)轉(zhuǎn)換的七參數(shù)模型法和用于平面坐標(biāo)轉(zhuǎn)換的四參數(shù)模型法。在上述坐標(biāo)轉(zhuǎn)換方法中，需要先求取坐標(biāo)轉(zhuǎn)換參數(shù)，再根據(jù)坐標(biāo)轉(zhuǎn)換參數(shù)進行坐標(biāo)轉(zhuǎn)換。

但是，在坐標(biāo)轉(zhuǎn)換過程中，較大的區(qū)域內(nèi)，各局部區(qū)域之間公共點的坐標(biāo)精度存在差異，整個區(qū)域采用一套坐標(biāo)轉(zhuǎn)換參數(shù)會使局部區(qū)域在坐標(biāo)轉(zhuǎn)換中損失精度，影響轉(zhuǎn)換后的坐標(biāo)的準(zhǔn)確性。

發(fā)明內(nèi)容

本申請實施例提供一種貝葉斯正則化反向傳播神經(jīng)網(wǎng)絡(luò)坐標(biāo)轉(zhuǎn)換方法及裝置，用以解決坐標(biāo)轉(zhuǎn)換過程中，整個區(qū)域采用一套坐標(biāo)轉(zhuǎn)換參數(shù)會使局部區(qū)域在坐標(biāo)轉(zhuǎn)換中損失精度，影響轉(zhuǎn)換后的坐標(biāo)的準(zhǔn)確性的問題。

本申請實施例提供的一種貝葉斯正則化反向傳播神經(jīng)網(wǎng)絡(luò)坐標(biāo)轉(zhuǎn)換方法，包括：

確定控制點的2000國家大地坐標(biāo)系平面坐標(biāo)與工程獨立坐標(biāo)系平面坐標(biāo)，創(chuàng)建學(xué)習(xí)集；

根據(jù)所述學(xué)習(xí)集與貝葉斯正則化算法，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，直至所述神經(jīng)網(wǎng)絡(luò)模型的性能指數(shù)達到預(yù)設(shè)值時，確定完成訓(xùn)練；

根據(jù)訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型，以及待測點的2000國家大地坐標(biāo)系平面坐標(biāo)，確定轉(zhuǎn)換得到的所述待測點的工程獨立坐標(biāo)系平面坐標(biāo)。

在一個示例中，確定控制點的2000國家大地坐標(biāo)系平面坐標(biāo)與工程獨立坐標(biāo)系平面坐標(biāo)，創(chuàng)建學(xué)習(xí)集，包括：計算控制點的2000國家大地坐標(biāo)系平面坐標(biāo)與工程獨立坐標(biāo)系平面坐標(biāo)之間的坐標(biāo)差；根據(jù)控制點的2000國家大地坐標(biāo)系平面坐標(biāo)與所述坐標(biāo)差，創(chuàng)建學(xué)習(xí)集。

在一個示例中，所述神經(jīng)網(wǎng)絡(luò)模型為貝葉斯正則化的反向傳播神經(jīng)網(wǎng)絡(luò)模型，包括輸入轉(zhuǎn)換層、輸入層、隱含層、輸出層、輸出轉(zhuǎn)換層；所述輸入轉(zhuǎn)換層，用于將輸入神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)轉(zhuǎn)換為所述隱含層可識別的數(shù)據(jù)；所述輸出轉(zhuǎn)換層，用于將所述輸出層輸出的數(shù)據(jù)轉(zhuǎn)換為與所述學(xué)習(xí)集中的坐標(biāo)差相對應(yīng)的數(shù)據(jù)。

在一個示例中，根據(jù)所述學(xué)習(xí)集，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，直至所述神經(jīng)網(wǎng)絡(luò)模型的性能指數(shù)達到預(yù)設(shè)值時，確定完成訓(xùn)練，包括：初始化神經(jīng)網(wǎng)絡(luò)模型的權(quán)值矩陣；根據(jù)學(xué)習(xí)集中的2000國家大地坐標(biāo)系平面坐標(biāo)，確定神經(jīng)網(wǎng)絡(luò)模型預(yù)測得到的坐標(biāo)差，作為預(yù)測輸出數(shù)據(jù)；根據(jù)學(xué)習(xí)集中的坐標(biāo)差與所述預(yù)測輸出數(shù)據(jù)之間的差距，采用反向傳播算法與貝葉斯正則化算法，對所述神經(jīng)網(wǎng)絡(luò)模型的性能指數(shù)中的參數(shù)進行調(diào)整，并調(diào)整所述神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)規(guī)模；重復(fù)對所述性能指數(shù)以及網(wǎng)絡(luò)規(guī)模進行調(diào)整，直至所述神經(jīng)網(wǎng)絡(luò)模型的性能指數(shù)達到預(yù)設(shè)值，確定完成訓(xùn)練。

在一個示例中，所述輸出層輸出的數(shù)據(jù)的范圍為0.2～0.8。