文档介绍：科技创新与应用
年 期 TechnologyInnovationandApplication 应用科技
2022 7
：1 的一系列功能。比如在监督学****中我们可以首先设定一
展给各个行业和领域带来了新的机遇和挑战。 个训练用的样本集（ ，）（ ，），然 后 根据我们设定
xiyi xi yi
近年来随着遥感技术的发展，遥感数据空间分辨率、 的目标和策略进行训练和拟合，训练目标是通过神经网
时间分辨率、光谱分辨率和辐射分辨率越来越高，数据类 络的训练算法让各个权重参数的值调整到最佳，从而使
型越来越丰富。遥感数据每天以 级别的速度增长，而 得神经网络整体的预测效果达到最佳。神经网络算法目
TB
遥感数据的总量则达到了 级别。如此庞大的遥感 前能够支持非线性的假设模型 ，（） ，（ ），针
TB/PB hWb x hW b x
数据也出现了大容量、高效率、多类型、难辨识、高 价值、 对事先准备好的训练数据通过 ， 参数进行拟合。
b W
高维度、多尺度和非平稳等特征。遥感行业急需新的技术 如图 所示，两层神经网络不仅包含一个输入层和
1
方法来存储和分析如此海量的数据。 输出层，还包括一个中间层，此 时 输 出 层 和 中 间 层 都发挥
在遥感领域的主要关键技术 计算层的作用，中 间 层 也 常 被 称 为“ 隐 藏 层 ”，当 然 我 们也
1AI
人工智能在遥感领域的主要关键技术为：神经网络 可以增加多个隐藏层，而我们在进行样本训练的时候，通
技术、遥感大数据的异构数据库技术、遥感图像地表 地