典型文献
基于多尺度稀疏简单循环单元模型的水声目标识别方法
文献摘要：
针对实际应用中目标识别系统在噪声环境下识别性能显著下降的问题,本文基于有监督的简单循环单元提出了一种多尺度稀疏简单循环单元模型.该模型利用简单循环单元的内部反馈机制对水声目标时间序列(时域波形)建模,利用不同层数堆叠的简单循环单元块学习时间序列的多尺度特征表示,并对特征表示进行融合;同时在模型输入和多特征层(特征融合层)间添加跳跃连接来加快模型收敛.通过3类实测水声目标辐射噪声数据的对比实验发现,与多层卷积神经网络模型相比,多尺度稀疏简单循环单元模型在训练样本和测试样本噪声条件不匹配的情况下,能够保持较高的正确识别率,是具有噪声鲁棒性的网络模型.
文献关键词：
水声目标识别;简单循环单元;深度学习;噪声失匹配;循环神经网络;多尺度特征融合
中图分类号：
作者姓名：
杨爽;曾向阳
作者机构：
西北工业大学 航海学院,陕西 西安710072
文献出处：
引用格式：
[1]杨爽;曾向阳-.基于多尺度稀疏简单循环单元模型的水声目标识别方法)[J].哈尔滨工程大学学报,2022(07):958-964
A类：
噪声失匹配
B类：
简单循环单元,单元模型,水声目标识别,目标识别方法,针对实际,识别系统,噪声环境,识别性,有监督,反馈机制,时域波形,层数,堆叠,学习时间,特征表示,模型输入,多特征,跳跃连接,接来,辐射噪声,噪声数据,多层卷积神经网络,卷积神经网络模型,训练样本,噪声条件,识别率,噪声鲁棒性,循环神经网络,多尺度特征融合
AB值：
0.283725
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
