文献

J-GLOBAL ID：202002241575835498   整理番号：20A2445385

深層スパース雑音除去オートエンコーダに基づくナビゲーション干渉認識の複合モデル【JST・京大機械翻訳】

Compound Model of Navigation Interference Recognition Based on Deep Sparse Denoising Auto-encoder

著者 (2件)： Xu Zhen (Xidian University,State Key Laboratory of Integrated Services Networks,Xi’an,China) ,  Wu Zhen-yu (Xidian University,Shanxi Key Laboratory of Space Solar Power Station System,Xi’an,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICICSP  ページ： 430-435  発行年： 2020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： 長い間干渉信号によって影響を受けるナビゲーション問題のために,深いスパース雑音除去自動エンコーダネットワークに基づく複合分類モデルアルゴリズムを提案した。最初に,周波数変換と前処理を,本論文でリストアップされたいくつかの典型的干渉信号に関して実行して,次に,深いスパース雑音除去自動エンコーダをトレーニングサンプルデータのために使用する。微細調整の後,最終符号化層は訓練データ特徴を出力する。冗長情報を除去する場合,元のサンプル情報の保持を最大化する。最後に,3つの異なる分類モデルの認識精度を比較することによって,本論文で提案した複合モデルが高速収束と高認識率の利点を持ち,他の2つのアルゴリズムと比較して2dB以上の性能利得を得ることができると結論づける。さらに,ナビゲーション干渉認識の分野における深層学習の利点を実証した。Copyright 2020 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： アルゴリズム ,  *干渉 ,  前処理 ,  周波数変換 ,  *符号器 ,  利得 ,  深層 ,  *雑音除去
準シソーラス用語： 訓練データ ,  認識率 ,  認識精度 ,  深層学習 ,  複合モデル ,  *自己符号化器 ,  干渉シグナル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 深層 ,  雑音除去 ,  オートエンコーダ ,  ナビゲーション ,  干渉 ,  複合モデル