文献

J-GLOBAL ID：201702233223906609   整理番号：17A1590846

それは,水中音響目標の特徴学習と認識のための混合正規化深さ信頼ネットワークに使用される。【JST・京大機械翻訳】

Underwater Acoustic Target Feature Learning and Recognition using Hybrid Regularization Deep Belief Network

著者 (4件)： Yang Honghui (西北工業大学 航海学院,陜西 西安,710072) ,  Shen Sheng (西北工業大学 航海学院,陜西 西安,710072) ,  Yao Xiaohui (西北工業大学 航海学院,陜西 西安,710072) ,  Han Zhen (西北工業大学 航海学院,陜西 西安,710072)
資料名： Xibei Gongye Daxue Xuebao  (Xibei Gongye Daxue Xuebao)
巻： 35  号： 2  ページ： 220-225  発行年： 2017年 
JST資料番号： C2195A  ISSN： 1000-2758  CODEN： XGDUE2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 水中音響ターゲットに対して,標準サンプルが難しく,コストが高い水中音響ターゲットの小サンプル認識問題を解決するために,新しい方法を提案した。本論文は,混合正規化深さの信頼性ネットワーク(HR-DBN)に基づく水中音響ターゲットの深さ特性の学習と認識のための方法を提案した。まず第一に,2つの正則化戦略に基づく深さ信頼ネットワークを提案して,水中音響ターゲットの深さ特性を学習した。第一の正則化戦略は,最大相互情報群の正則化項を用いて,目的関数を修正し,隠れ層のスパース性を改善することである。第二の正則化戦略は大量の無標識サンプルを利用して、水中音響目標の普遍的な特性に関する記述と事前知識を獲得し、特徴学習を誘導する。最後に,いくつかのクラスのサンプルを用いて,ネットワークのグローバル最適化を行い,認識システムを構築し,水中ターゲット認識の正確さを改善した。2種類の測定船舶の放射ノイズデータを用いて検証実験を行い、実験結果により、提案した方法は水中音響目標の深さ特徴を抽出でき、水中音響目標識別の正確率を高めることができることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *正規化 ,  船舶 ,  目的関数 ,  *ネットワーク ,  *水中音響 ,  信頼性 ,  *学習 ,  物体認識 ,  正則化
準シソーラス用語： 検証実験 ,  大域的最適化 ,  事前知識 ,  スパース性 ,  隠れ層 , 【Automatic Indexing@JST】

著者キーワード (7件)： underwater acoustics ,  automatic target recognition ,  deep learning ,  unsupervised learning ,  deep belief network ,  mutual information ,  regularization

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 水中音響 ,  目標 ,  学習 ,  正規化 ,  信頼