Memuat
Memuat
Jaringan Saraf Tiruan (fitnet) untuk Geodesi dan Penginderaan Jauh
0 kali dilihat
Memprediksi kedalaman perairan dengan jaringan saraf tiruan fitnet dari masukan reflektansi biru dan reflektansi hijau. fitnet membangun jaringan saraf tiruan feedforward untuk regresi atau pendekatan fungsi nonlinear. Cocok untuk memodelkan hubungan masukan-keluaran kompleks ketika bentuk persamaan tidak diketahui dan data cukup tersedia.

Memprediksi kedalaman perairan dengan jaringan saraf tiruan fitnet dari masukan reflektansi biru dan reflektansi hijau.
| Peran | Variabel | Satuan |
|---|---|---|
| Utama | Kedalaman perairan | m |
| Pendukung 1 | Reflektansi biru | - |
| Pendukung 2 | Reflektansi hijau | - |
Jaringan saraf dengan 8 neuron tersembunyi memprediksi Water depth dari Blue reflectance dan Green reflectance dengan korelasi uji R=0.959 dan RMSE 0.303 setelah 13 epoch; MSE validasi terbaik 0.0992.
Dihitung dari data sintetis sebagai ilustrasi, bukan dari penelitian nyata.
fitnet membangun jaringan saraf tiruan feedforward untuk regresi atau pendekatan fungsi nonlinear. Cocok untuk memodelkan hubungan masukan-keluaran kompleks ketika bentuk persamaan tidak diketahui dan data cukup tersedia.
Laporkan arsitektur, algoritma, pembagian data, serta RMSE dan R pada data uji. Bandingkan dengan regresi linear untuk menunjukkan perlunya model nonlinear.
Skrip awal singkat dengan nama variabel proyek ini. Versi yang diserahkan disesuaikan dengan data Anda dan diberi komentar lengkap.
rng(10);
n = 500;
blue_reflectance = [10*rand(1, n); 5*rand(1, n)]; % features x samples
water_depth = sin(blue_reflectance(1, :)) .* blue_reflectance(2, :) + 0.2*randn(1, n);
net = fitnet(10, 'trainlm');
net.divideParam.trainRatio = 0.7;
net.divideParam.valRatio = 0.15;
net.divideParam.testRatio = 0.15;
net.trainParam.showWindow = false;
[net, tr] = train(net, blue_reflectance, water_depth);
pred = net(blue_reflectance);
te = tr.testInd;
rmse = sqrt(mean((pred(te) - water_depth(te)).^2));
R = corrcoef(pred(te), water_depth(te));
fprintf('Test RMSE = %.3f, R = %.3f, epochs = %d\n', rmse, R(1, 2), tr.num_epochs);
b = [ones(numel(te), 1) blue_reflectance(:, te)'] \ water_depth(te)';
lin = [ones(numel(te), 1) blue_reflectance(:, te)'] * b;
fprintf('Linear baseline RMSE = %.3f\n', sqrt(mean((lin - water_depth(te)').^2)));
figure;
subplot(1,2,1); plot(water_depth(te), pred(te), '.'); hold on; refline(1, 0);
xlabel('Actual'); ylabel('Predicted');
subplot(1,2,2); semilogy(tr.perf); hold on; semilogy(tr.vperf); semilogy(tr.tperf);
legend('Train', 'Validation', 'Test'); xlabel('Epoch'); ylabel('MSE');Pilih seberapa banyak bantuan yang Anda perlukan. Setiap paket yang lebih tinggi sudah mencakup semua item paket di bawahnya. Harga belum termasuk PPN 11%.
Paket 1
Rp 500.000
belum termasuk PPN 11%
Waktu pengerjaan: 7 hari kerja
Output: Berkas MATLAB + gambar hasil
Yang Anda terima
Paket 2 · paling dipilih
Rp 1.450.000
belum termasuk PPN 11%
Waktu pengerjaan: 13 hari kerja
Output: Kode + analisis + bahan interpretasi
Termasuk semua item Paket 1, ditambah
Paket 3
Rp 3.200.000
belum termasuk PPN 11%
Waktu pengerjaan: 18-21 hari kerja
Output: Kode + analisis + pendampingan hingga siap dipresentasikan
Termasuk semua item Paket 1 & 2, ditambah
Cocok. Jaringan Saraf Tiruan (fitnet) lazim dipakai pada jenjang ini di bidang Geodesi dan Penginderaan Jauh. Analisis kami sesuaikan dengan pertanyaan penelitian, data Anda sendiri, dan ketentuan dosen pembimbing.
Bukan. Lembar hasil dihitung dari data sintetis sebagai ilustrasi jenis keluaran MATLAB. Untuk pesanan Anda, metode yang sama dijalankan pada data penelitian Anda sendiri.
Itu tujuan paketnya. Setiap skrip diberi komentar, dan Paket 3 mencakup dua sesi pendampingan serta latihan tanya jawab supaya Anda bisa menjelaskan metode dan hasilnya saat seminar dan sidang.
Tiap proyek punya tiga paket: Paket 1 (kode dan penjelasan) Rp 500.000, Paket 2 (analisis data Anda dan interpretasi) Rp 1.450.000, dan Paket 3 (pendampingan lengkap) Rp 3.200.000, belum termasuk PPN 11%. Data yang besar, metode tambahan, atau tenggat ketat menyesuaikan penawaran setelah konsultasi singkat.
Lembar hasil memakai data sintetis sebagai ilustrasi. MATLAB adalah merek dagang The MathWorks, Inc.
Kembali ke portofolio MATLAB