文献

J-GLOBAL ID：202002276542608062   整理番号：20A0286751

ハイパーパラメータ自己学習によるレーダ高分解能距離プロファイル目標認識【JST・京大機械翻訳】

Radar high-resolution range profile target recognition with hyperparameter self-learning

著者 (4件)： Liu Yingqi (National Laboratory of Radar Signal Processing, Xidian University,Xi’an,China,710071) ,  Chen Bo (National Laboratory of Radar Signal Processing, Xidian University,Xi’an,China,710071) ,  Chen Wenchao (National Laboratory of Radar Signal Processing, Xidian University,Xi’an,China,710071) ,  Zhao Qianru (National Laboratory of Radar Signal Processing, Xidian University,Xi’an,China,710071)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSPCC  ページ： 1-5  発行年： 2019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： 超パラメータ自己学習法をレーダ高分解能レンジプロファイル(HRRP)ターゲット認識のために開発し,前処理と特徴抽出のための現在のデータに基づく最良のハイパーパラメータを探索した。ハイパーパラメータの間の相関を調査して,著者らの方法は強化学習によってパラメータ選点法の最適を達成した。測定したHRRPに関する実験結果は,提案方法が自動ハイパーパラメータ選択によってより良い性能を達成することができることを実証した。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： 強化学習 ,  特徴抽出 ,  *物体認識 ,  選点法 ,  *レーダ ,  *高分解能 ,  前処理
準シソーラス用語： *自己学習 ,  *ハイパーパラメータ , 【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)： ハイパーパラメータ ,  自己学習 ,  レーダ ,  高分解能 ,  プロファイル ,  目標認識