无相位远场数据反演散射障碍的神经网络方法

摘要：

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.

关键词：反散射问题、无相位数据、门控循环单元(GRU)神经网络、收敛性

所属期刊栏目：58

分类号：O242.2(计算数学)

资助基金：国家自然科学基金批准号:11671107

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1357-1365