遥感专业学习神经网络与深度学习过程中的想法

由于兴趣和好奇心的驱使，我打算学一学神经网络和深度学习，以前一听到计算机技术总会听到这些高大上的词语：人工智能，深度学习，VR之类的词语，每次听到都是不明觉厉的样子，最近刚好有点时间，加上趁考研学的数学（需要一定的数学基础）还没忘光，来学一学神经网络和深度学习。

一开始我分不清神经网络和深度学习的关系，以为是两个独立的技术，加上机器学习，人工智能一大堆词语，让人摸不着头脑，仔细一看书其实并没有那么复杂，以我浅略的认识我觉得神经网络就像是一种数据结构，而深度学习就像是关于这种数据结构某种算法，学过数据结构与算法的都知道它们之间的关系吧，神经网络就是受我们人大脑的神经网络启发而来，神经网络有输入层（由各个感觉器官产生信号输入，比如视网膜，味蕾），中间层，输出层（输入层的信号经过中间层的处理然后到输出层，就是大脑的核心，当然有些低级的反应是不用经过大脑的核心），人的大脑当然是相当智能的，我们只关心输入层我们接受到的刺激和输出层产生的相应的感觉，对于庞大的中间层我们可以不用关心，就好像高级程序设计，我们只用关心函数输入和输出结果，不用知道这些函数是怎么实现的，底层的实现可以对我们透明。这样就形成了一个复杂而简洁的神经网络，当然简洁的东西提供给用户的，复杂的东西还要有人来实现，人脑的神奇之处就是在千万年的进化过程中具备了自动生成这个复杂的中间层的能力，所以我们不用为了这个复杂实的现过程操心。

 

 

神经网络的结构          注：图片引用于《神经网络与深度学习》

而我们的深度神经网络才来到世界不久，还没有进化到这么厉害，但是为了让它跟人的神经网络一样能够准确稳定的输入输出，于是就出现了深度学习算法，有了它，我们设计的神经网络就可以通过对训练样本的学习，快速的生成一个准确稳定的神经网络系统，这个神经网络就可以像人的神经网络一样做出很多判断了，就像人的神经网络可以处理从味蕾传入的信号然后经过中间层复杂的判断在输出层输出酸甜苦咸鲜肥的味觉体现。这就是深度神经网络。
有些人会有疑问：作为一个遥感专业的学生为什么要去神经网络呢，好像并没有什么联系啊。其实遥感研究主要就是通过卫星获取的影像信息反演地球上的地理信息，物理量，这个过程就是识别统计，只是遥感反演用到的模型不一样而已，都是找一种信息和另一种信息的对应关系，在两者间建立一个数学模型，这样我们就能反演出地表空中的物理信息了。而神经网络也是建立一种信息与另一种信息的对应关系，只是没有这个中间的数学模型，而是由一个更为复杂的神经网络的中间层代替，这个中间层是通过学习大量的训练样本而来的，也能达到反演的目的。至于哪种反演方法更好，我也不知道，遥感反演过程中的各种反应因子很多，过程复杂，很难去解释，当然经验模型普适性不是很好，所以我认为用深度神经网络做遥感反演也可以是个勇敢的尝试，科技在发展，哪种方法好谁又说得清呢，只有勇敢的尝试才会知道。