当前对于建筑景观格局特征研究的方法缺乏对其隐藏性特征进行提取,因此研究引入共享的思想构建了多重对抗信息共享生成网络模型(Generation Network for Multiple Counter Information Sharing,GNMCIS),并对其有效性和实用性进行了验证...当前对于建筑景观格局特征研究的方法缺乏对其隐藏性特征进行提取,因此研究引入共享的思想构建了多重对抗信息共享生成网络模型(Generation Network for Multiple Counter Information Sharing,GNMCIS),并对其有效性和实用性进行了验证。实验结果表明,GNMCIS模型在甄别器训练出现过好状态时会对其权值参数进行及时调整,训练过差时会对其进行拉升操作,从而有效规避了梯度下降和消失的出现。同时其在50×100的像素下的训练时间为124min,在50×200的像素下的训练时间为154min,均优于对比模型。并且其监测出三个区域内最优监测点的平均温度维持在26℃左右,有效分析出相关热环境信息。综合来看,GNMCIS模型在形成具备获取特征的建筑景观格局上具备较高的有效性,对实际优化建筑景观格局上具备借鉴意义。展开更多
文摘当前对于建筑景观格局特征研究的方法缺乏对其隐藏性特征进行提取,因此研究引入共享的思想构建了多重对抗信息共享生成网络模型(Generation Network for Multiple Counter Information Sharing,GNMCIS),并对其有效性和实用性进行了验证。实验结果表明,GNMCIS模型在甄别器训练出现过好状态时会对其权值参数进行及时调整,训练过差时会对其进行拉升操作,从而有效规避了梯度下降和消失的出现。同时其在50×100的像素下的训练时间为124min,在50×200的像素下的训练时间为154min,均优于对比模型。并且其监测出三个区域内最优监测点的平均温度维持在26℃左右,有效分析出相关热环境信息。综合来看,GNMCIS模型在形成具备获取特征的建筑景观格局上具备较高的有效性,对实际优化建筑景观格局上具备借鉴意义。