文献

J-GLOBAL ID：201902221687879629   整理番号：19A0038044

レーダ応用のためのリカレントニューラルネットワークによる目標追跡の操縦【JST・京大機械翻訳】

Maneuvering Target Tracking with Recurrent Neural Networks for Radar Application

著者 (7件)： Gao Chang (National Laboratory of Radar Signal Processing, Xidian University, Xian, 710071, China) ,  Liu Hongwei (National Laboratory of Radar Signal Processing, Xidian University, Xian, 710071, China) ,  Zhou Shenghua (National Laboratory of Radar Signal Processing, Xidian University, Xian, 710071, China) ,  Su Hongtao (National Laboratory of Radar Signal Processing, Xidian University, Xian, 710071, China) ,  Chen Bo (National Laboratory of Radar Signal Processing, Xidian University, Xian, 710071, China) ,  Yan Junkun (National Laboratory of Radar Signal Processing, Xidian University, Xian, 710071, China) ,  Yin Kuiying (Nanjing Research Institute of Electronic Technology, Nanjing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： RADAR  ページ： 1-5  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 操縦目標追跡は,システムが急激な変化を受ける状態推定の問題である。この問題に対する従来のモデルベース手法は,モデル不整合により引き起こされる性能劣化により脅かされ,推定器は通常,実際には統計的精度が制限される。データにおいて数学的に最適化されているマシンから開発された,深いニューラルネットワークベースの方法は,興味ある運動が訓練データに完全に含まれる限り,バリアントモデルに敏感ではない。さらに,ネットワークを訓練する一方で,真の状態にアクセスすることにより,従来の推定精度の限界を破ることができる。目標追跡の逐次的方法と一致するために,再帰ニューラルネットワークを提案して,真の状態を推定した。シミュレーション結果は,提案したネットワークが目標運動不確実性問題をよく扱い,一方,状態をより正確に推定することを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  最適化 ,  不確実性 ,  *ニューラルネットワーク ,  *ネットワーク ,  状態推定 ,  不整合
準シソーラス用語： 推定精度 ,  訓練データ ,  性能劣化 ,  モデルベース ,  *ターゲット追跡 ,  *リカレントニューラルネットワーク ,  *レーダ応用 , 【Automatic Indexing@JST】

分類 (3件)： NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： レーダ応用 ,  リカレントニューラルネットワーク ,  目標追跡 ,  操縦