文献

J-GLOBAL ID：202202262383465645   整理番号：22A0980846

改良SOMニューラルネットワークに基づく軌道相関アルゴリズム【JST・京大機械翻訳】

Track Correlation Algorithm Based on Improved SOM Neural Network

著者 (3件)： Zhao Fandong (Air Force Early Warning Academy, Wuhan, China) ,  Cai Yichao (Air Force Early Warning Academy, Wuhan, China) ,  Li Hao (Air Force Early Warning Academy, Wuhan, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 861  ページ： 1473-1483  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 改良した自己組織化マッピングニューラルネットワーク(SOM)追跡相関アルゴリズムを提案して,実用的応用における従来の追跡相関アルゴリズムの短所を克服して,それは低い相関精度と複雑な計算過程を有した。アルゴリズムは,SOMニューラルネットワークの学習規則を改善するために,入力ベクトルとしてKalmanフィルタリングの後,すべての特徴データを使用して,そこで,同じセンサーのデータが入力であるとき,競合層における同じニューロンが同時に一度に勝つことができる。同時にマルチセンサの特徴データを自己組織化クラスタ化のためにSOMニューラルネットワークに入力する。実験は,SOMニューラルネットワークが軌道相関問題をトラッククラスタ化問題に間接的に変換することを示した。したがって,ターゲットとセンサ数の増加に起因する計算の増加の問題は,よく解決される。同時に,改良SOMニューラルネットワークは,目標の多次元特性情報を用いて,高密度ターゲットが交差と分岐を追跡したとき,低い相関精度と遅い収束速度の問題を,効果的に解決することができた。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 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 ,  速度 ,  ターゲット ,  ベクトル ,  学習 ,  ニューロン ,  追跡 ,  *ニューラルネットワーク ,  精度 ,  相関 ,  クラスタ化 ,  クラスタ ,  Kalmanフィルタ ,  高次元 ,  自己組織化
準シソーラス用語： 収束速度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 改良SOMニューラルネットワーク ,  軌道相関 ,  自己組織化クラスタリング ,  クラスタターゲット

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： SOM ,  ニューラルネットワーク ,  軌道 ,  相関 ,  アルゴリズム