10.13413/j.cnki.jdxblxb.2020116
无相位远场数据反演散射障碍的神经网络方法
针对无相位信息反演障碍物位置及形状的问题,提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN),并给出该方法的收敛性分析.首先,以无相位远场数据与障碍物边界曲线方程参数作为输入和输出,通过GRU神经网络控制门思想与长期记忆功能,有选择性地更新网络状态,保存数据特征;其次,应用梯度下降算法更新模型权重和偏置,解决了无相位信息的远场数据反演障碍物位置及形状的难题;最后,利用数值实验说明该方法的有效性.
反散射问题、无相位数据、门控循环单元(GRU)神经网络、收敛性
58
O242.2(计算数学)
国家自然科学基金批准号:11671107
2020-11-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
1357-1365