典型文献
基于迁移学习的小样本弹道导弹目标识别方法
文献摘要：
针对弹道导弹目标小样本识别问题,结合迁移学习和深度神经网络提出一套解决方案,旨在根据实际场景提供合适的模型学习方式和目标分类方式,提升复杂场景下小样本弹道导弹目标识别准确性和及时性.通过对比不同网络结构、数据特征、数据规模、数据长度,得到最适应复杂场景下小样本弹道导弹目标识别的网络模型和参数.试验结果表明,利用双向长短记忆神经网络构建的预训练模型和迁移学习方法可有效提升小样本弹道目标识别准确率.
文献关键词：
迁移学习;深度神经网络;弹道导弹;目标识别;算法验证
中图分类号：
作者姓名：
郭继光;李奇峰
作者机构：
中国电子科学研究院,北京 100041
文献出处：
引用格式：
[1]郭继光;李奇峰-.基于迁移学习的小样本弹道导弹目标识别方法)[J].中国电子科学研究院学报,2022(07):626-634
A类：
弹道导弹目标识别
B类：
目标识别方法,小样本识别,深度神经网络,模型学习,学习方式,目标分类,分类方式,复杂场景,及时性,数据特征,双向长短记忆,长短记忆神经网络,网络构建,预训练模型,迁移学习方法,弹道目标,识别准确率,算法验证
AB值：
0.253339
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。
