You are on page 1of 2

2D COORDINATE TRANSFORMATION USING ARTIFICIAL NEURAL NETWORKS

B. Konakoglu a*, L.Cakır a, E. Gökalp a


a*KTU, Engineering Faculty, 61080 Trabzon, Turkey
bkonakoglu@ktu.edu.tr, lcakir@ktu.edu.tr, ertan@ktu.edu.tr

KATA kunci: Feed propagasi kembali ke depan, Cascade pakan propagasi kembali maju, fungsi
Radial dasar jaringan saraf, transformasi koordinat 2D
Abstrak:
Dua sistem koordinat yang digunakan di Turki, yaitu ED50 (European Datum 1950) dan ITRF96
sistem koordinat (International terestrial referensi Frame 1996). Dalam kasus sekarang, hal ini
diperlukan untuk melakukan transformasi dari satu sistem koordinat ke yang lain. Jaringan syaraf
tiruan (JST) adalah sebuah metode baru untuk transformasi koordinat. Salah satu keuntungan
terbesar dari ANN adalah bahwa hal itu dapat menentukan hubungan antara dua sistem koordinat
tanpa model matematis. Tujuan dari studi ini adalah untuk menyelidiki pertunjukan dari tiga ANN
model yang berbeda (Feed maju kembali propagasi (FFBP), Cascade maju kembali propagasi
(CFBP) dan Radial dasar fungsi saraf jaringan (RBFNN)) berkenaan dengan transformasi
koordinat 2D. Untuk melakukan ini, tiga set data yang digunakan untuk daerah studi yang sama,
kota Trabzon. Koordinat kumpulan data diukur dalam sistem koordinat ED50 dan ITRF96 dengan
menggunakan teknik RTK-GPS. Kinerja setiap metode transformasi diselidiki dengan
menggunakan perbedaan koordinat koordinat dikenal dan perkiraan. Hasil penelitian menunjukkan
bahwa algoritma ANN dapat digunakan untuk transformasi koordinat 2D dalam kasus-kasus yang
mana parameter optimal model yang dipilih.

2. PENDAHULUAN
Hingga 2005, sistem koordinat Datum Eropa 1950 (ED50) digunakan sebagai sistem koordinat
Nasional kadaster dalam berbagai aplikasi. Meskipun menggunakan luas, itu mungkin tidak
dianggap nyaman untuk kadaster aplikasi sekarang karena gerakan kerak dan perpindahan. Oleh
karena itu, Turki Nasional mendasar GPS jaringan (TNFGN) didirikan untuk membuat
kekurangan sistem ED50, membuat Sistem Geodesi kuat baru. Sistem TNFGN menggunakan
sistem koordinat 96 bingkai referensi terestrial internasional (ITRF96). Perubahan dalam sistem
koordinat menyebabkan perlunya untuk menghitung
transformasi parameter antara sistem koordinat ED50 dan ITRF96. Pemilihan metode transformasi
sesuai yang tergantung pada tujuan dari transformasi dan jumlah poin umum dikenal di kedua
sistem. Kesamaan dan metode transformasi affine transformations dan proyektif adalah beberapa
yang digunakan secara luas dalam dua dimensi sistem (Ghilani, 2010). Dalam beberapa tahun
terakhir, jaringan saraf buatan (ANNs) telah mendapatkan popularitas dalam masyarakat Geodetik
ilmu. Anns telah digunakan untuk transformasi Koordinat (Zaletnyik, 2004; Maria, 2012; Tierra,
et al., 2008; Gullu, 2010; Weiwei dan Xiudong, 2010; Gullu et al., 2011; Tierra dan Romero, 2014;
Ziggah et al., 2016), penentuan geoid (Kavzoglu dan Saka, 2005; Pikridas, et al., 2011; Memarian
Sorkhabi, 2015), Geodetik deformasi pemodelan (Bao et al., 2011; Chen dan Zeng, 2013; Du et
al., 2014; GAO et al., 2014), gambar dan sinyal pengolahan (Ibrahim, 2010; AL-Allaf, 2012; Hai
dan Thuy, 2012) dan tekad bumi orientasi parameter (Schuh, 2002; Liao, 2012). Dalam studi ini,
pakan maju kembali propagasi (FFBP), cascade maju kembali propagasi (CFBP) dan radial dasar
fungsi jaringan saraf (RBFNN) digunakan sebagai metode transformasi koordinat alternatif untuk
melakukan 2D transformasi antara ED50 dan ITRF96 sistem. Diperoleh dari transformasi
koordinat dibandingkan dengan koordinat dikenal dalam hal kesalahan root mean square
(Hungaria) perbedaan koordinat.

2. METODE
ANN adalah sekelompok pengolahan teknik terinspirasi oleh pendekatan sistem saraf biologis
proses informasi informasi. Anns terdiri dari unit elemen paralel yang disebut 'neuron' dan
hubungan antara neuron-neuron ini dikenal sebagai 'link'. Neuron yang terhubung melalui
sejumlah besar link bobot yang mengirimkan informasi. Neuron menggabungkan menerima input
dan menghasilkan hasil yang melalui operasi nonlinier. Anns dapat mempelajari hubungan antara
variabel-variabel input dan output dengan mempelajari data yang dicatat sebelumnya. Keuntungan
utama dari ANNs adalah bahwa mereka dapat memberikan solusi untuk masalah-masalah dengan
solusi algoritmik, atau solusi algoritma terlalu rumit untuk didefinisikan. Karena kecepatan mereka
komputasi, ANNs telah diterapkan berhasil di berbagai bidang matematika, teknik, ekonomi,
neurologi, Meteorologi, dan banyak orang lain. Ada berbagai cara pengolahan neuron dan berbagai
metode yang digunakan untuk menghubungkan neuron satu sama lain. Struktur jaringan saraf yang
berbeda dapat dibangun dengan berbagai komponen pengolahan dan dengan cara yang spesifik di
mana mereka terhubung.

2.1 feed maju kembali propagasi (FFBP)


Jaringan saraf tiruan propagasi kembali (BPANN) adalah yang paling umum digunakan dalam
kata-kata Geodesi (Zaletnyik, 2004; Maria, 2012; Lei, Qi, 2010; Tierra dan Romero, 2014; Ziggah
et al., 2016). Jaringan ini terdiri dari tiga jenis lapisan: input layer, satu atau lebih lapisan
tersembunyi dan lapisan output (Lihat gambar 1). Masukan lapisan menerima data, sedangkan
lapisan output adalah lapisan terakhir yang memberikan hasil perhitungan. Lapisan tersembunyi,
yang terletak antara lapisan input dan output, analisis dan memproses data dengan lapisan
masukan. Jumlah lapisan tersembunyi dan neuron dalam lapisan tersembunyi dapat berubah
tergantung pada masalah. Dalam studi ini, jumlah optimal neuron dalam lapisan tersembunyi
diperoleh oleh Prosedur Pengadilan-dan-kesalahan yang berurutan. Fungsi hiperbolik singgung aktivasi
untuk lapisan tersembunyi dipilih, sementara fungsi linear dipilih untuk lapisan output. Proses pelatihan
berdasarkan aturan delta yang digunakan untuk BPANN prosedur pelatihan (Haykin, 1999). Menurut
algoritma pelatihan, bobot yang dihitung ulang semua lapisan sampai perbedaan antara nilai aktual dan
perkiraan, memberikan nilai keluaran cukup kecil.

KESIMPULAN
Jaringan saraf tiruan aplikasi telah banyak digunakan dalam ilmu Geodetik. Tujuan karya ini
adalah untuk memeriksa masalah 2D koordinat transformasi antara ED50 dan ITRF96 sistem
dengan menggunakan FFBP, jaringan syaraf tiruan, RBFNN CFBP dan algoritma. Seperti yang
terlihat di tabel 1, arah Y, ± 1,26 cm (untuk Data 1) ± 1,26 cm (untuk Data 2) dan ± RMSEs 1.29
cm (untuk Data 3) diperoleh dengan FFBP dan FFBP, CFBP, masing-masing. Untuk X arah, ±
1.09 cm (untuk Data 1) ± 1.03 cm (untuk Data 2) dan ± 0,97 cm (3 untuk Data) yang diperoleh
dengan RMSEs RBFNN, RBFNN dan CFBP, masing-masing. Juga disimpulkan bahwa
variabilitas di antara jumlah titik data set tidak menyebabkan perubahan significant.â€.
Kesimpulan utama yang diambil dari studi ini adalah bahwa algoritma ANN dapat digunakan
untuk transformasi koordinat 2D dalam kasus-kasus yang mana Optimus Prime mod

You might also like