论文摘要
本文提出了一种用于水下目标识别的脑听觉感知迁移学习方法,该方法通过受脑听觉感知启发的深度卷积网络(Auditory system inspired Deep Convolutional Neural Network,ADCNN)完成水下目标识别任务。ADCNN模型可以分成三个模块:时域分解模块、特征融合模块、决策模块。ADCNN的时域分解模块可以将时域舰船辐射噪声分解成不同时域结构的基信号组。然后,在特征融合模块中,网络对每个基信号的特征以及基信号组的分布进行特征提取得到深度特征表示。最后在决策模块中对目标类别进行识别。我们将在大量舰船辐射噪声数据上预训练好的ADCNN网络的部分特征参数迁移到用于小样本识别的ADCNN模型中。实验结果表明,进行特征迁移的ADCNN网络在四类目标的小样本识别任务上收敛的更快,并且将识别正确率提高了4.17%达到72.92%。
论文目录
文章来源
类型: 国内会议
作者: 李俊豪,杨宏晖,申昇
关键词: 水下目标识别,迁移学习,类脑智能,深度学习
来源: 中国声学学会水声学分会2019年学术会议 2019-05-25
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 物理学,工业通用技术及设备,自动化技术
单位: 西北工业大学航海学院
分类号: TP18;TB56
页码: 477-479
总页数: 3
文件大小: 500k
下载量: 86
相关论文文献
- [1].基于改进证据支持度的多传感器空中目标识别[J]. 计算机仿真 2020(07)
- [2].基于迁移学习的水声目标识别[J]. 计算机系统应用 2020(10)
- [3].水声目标识别技术的现状与发展[J]. 电子技术与软件工程 2019(18)
- [4].深度学习在遥感影像目标识别与定位中的应用研究[J]. 科技创新与应用 2019(34)
- [5].基于微服务的空天协同目标识别与监视系统设计与实现[J]. 软件 2019(11)
- [6].深度学习在水声目标识别中的应用研究[J]. 数字海洋与水下攻防 2020(01)
- [7].电子目标识别关键指标建模与分析[J]. 电子信息对抗技术 2019(04)
- [8].基于深度学习的航拍图像目标识别[J]. 数码世界 2019(05)
- [9].基于稀疏非负矩阵分解的低空声目标识别[J]. 声学技术 2020(01)
- [10].基于深度神经网络的雷达幅度序列目标识别[J]. 电脑知识与技术 2020(13)
- [11].水声目标识别技术现状与发展[J]. 指挥信息系统与技术 2018(02)
- [12].目标识别与人工智能高峰论坛征文通知[J]. 太赫兹科学与电子信息学报 2017(02)
- [13].视觉动态目标识别研究进展[J]. 北京联合大学学报 2013(04)
- [14].基于知识的合成孔径雷达图像目标识别研究[J]. 图书情报工作 2012(S1)
- [15].自平衡跟随机器人的目标识别及预测重拾策略[J]. 计算机与现代化 2019(05)
- [16].水下目标识别技术探究[J]. 数字通信世界 2019(04)
- [17].目标识别与人工智能高峰论坛征文通知[J]. 光学与光电技术 2017(03)
- [18].目标识别与人工智能高峰论坛[J]. 太赫兹科学与电子信息学报 2017(03)
- [19].领域自适应目标识别综述[J]. 中兴通讯技术 2017(04)
- [20].机载雷达图像目标识别模型仿真研究[J]. 计算机仿真 2014(12)
- [21].小波分析和神经网络在水下目标识别中的研究[J]. 计算机仿真 2011(02)
- [22].基于卷积神经网络迁移学习的飞机目标识别[J]. 现代雷达 2019(12)
- [23].基于神经网络的多类别目标识别[J]. 控制与决策 2020(08)
- [24].水下目标识别的规划融合算法[J]. 现代防御技术 2018(06)
- [25].浅谈舰船目标识别的方法和技术[J]. 舰船科学技术 2016(02)
- [26].基于双目视觉的目标识别与定位[J]. 河南理工大学学报(自然科学版) 2014(04)
- [27].基于微动特征的弹道导弹目标识别仿真分析[J]. 弹箭与制导学报 2010(01)
- [28].空中目标识别方法研究[J]. 中国新通信 2019(16)
- [29].无人机在海上舰船目标识别中的应用[J]. 舰船科学技术 2017(12)
- [30].粒子群的K均值聚类算法实现海上目标识别[J]. 舰船科学技术 2016(12)