文献

J-GLOBAL ID：202002214716145745   整理番号：20A2110134

PIDと深さ畳込みニューラルネットワークに基づく放射源同定法【JST・京大機械翻訳】

Specific Emitter Identification Based on PID and Deep Convolutional Neural Net-work

著者 (5件)： Cao Yang (陸軍工程大学通信工程学院,南京,210007) ,  Wang Jinming (陸軍工程大学通信工程学院,南京,210007) ,  Xu Chengji (南京国電南自電网自動化有限公司,南京,211153) ,  Yue Zhenjun (陸軍工程大学通信工程学院,南京,210007) ,  Di Enbiao (陸軍工程大学通信工程学院,南京,210007)
資料名： Shuju Caiji yu Chuli  (Shuju Caiji yu Chuli)
巻： 35  号： 4  ページ： 664-671  発行年： 2020年 
JST資料番号： W1502A  ISSN： 1004-9037  CODEN： SCYCE4  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： ニューラルネットワークによる放射源の個体識別を行う場合、訓練サンプルの単一性は、深さネットワークに過フィッティング現象をもたらし、放射源の個体識別の精度に影響する。この問題に対して、本論文では、従来の畳込みニューラルネットワークの出力層と入力層間にフィードバックループを構築し、PIDアルゴリズムを採用して、ネットワーク出力エラー率を区分訓練集合データで構成される確率に変換するPIDアルゴリズムに基づく深さコンボリューションネットワーク構造を提案した。訓練集合データの最適化により,過適合の目的を達成した。提案方法を超短波電台識別に応用し、平均識別率は92.59%に達し、認識率分散は伝統アルゴリズムの1/3であり、訓練用時間は約35min減少し、上述の指標は従来のニューラルネットワークより優れていた。実験結果は,このアルゴリズムが深さネットワークのロバスト性を強化して,過適合現象を効果的に抑制することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  *畳込み ,  *ネットワーク ,  *ニューラルネットワーク ,  ネットワーク構造 ,  超短波 ,  誤り率 ,  単一性 ,  ロバスト性
準シソーラス用語： フィードバックループ ,  個体識別 ,  認識率 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： PID ,  畳込みニューラルネットワーク ,  放射源 ,  同定法