Recent Applications of Neural Networks for Spatial Data Handling
Daniel Z. Sui · Canadian Journal of Remote Sensing · 1994
Dans cet article, l'auteur fait une revue complète des dernières études sur les applications des réseaux neuronaux pour le traitement des données spatiales. L'état d'avancement des recherches jusqu'à ce jour montrent la supériorité des réseaux neuronaux par rapport aux méthodes statistiques classiques pour la classification des données de télédétection, en raison de leur insensibilité inhérente aux défaillances. L'intégration de réseaux neuronaux dans les SIC (systèmes d'information géographique) a permis d'améliorer notablement la capacité de modélisation des SIG. Le goulot d'étranglement qui entrave les méthodes statistiques et cartographiques classiques, comme la détermination de la pondération, la sélection des fonctions de sommation et l'incapacité de traiter des données brouillées ou manquantes, ont été résolus par l'intermédiaire du processus d'apprentissage dans un réseau neuronal artificiel. Le processus intensif d'acquisition des connaissances, dans la mise au point de systèmes experts à base de règles, a été remplacé par la recherche cachée de connexions entre données d'entrée et résultats connus dans la modélisation de réseaux neuronaux. Ces réseaux sont de plus en plus utilisés dans le traitement de l'information pour résoudre des problèmes qui, autrement, ne pourraient être résolus avec les méthodes classiques. Bien qu'il y ait encore une foule de nouveaux problèmes à étudier plus à fond, le potentiel qu'offrent les réseaux neuronaux pour le traitement des données spatiales est trop important pour que l'on n'en tienne pas compte. Un programme de recherche axé sur les ressources logicielles et matérielles ainsi que sur les niveaux d'applications est présenté.