公开(公告)号：CN116106909A

公开(公告)日：2023-05-12

申请号：CN202310251081.1

申请日：2023-03-16

Applicant: 南京信息工程大学

Inventor： 程海浪 ,  崔萌萌 ,  彭路 ,  刘伯俊 ,  唐绩 ,  许小龙

IPC: G01S13/95 ,  G01S7/41

Abstract: 本发明公开了电子通讯领域的一种雷达回波外推方法、系统及存储介质，包括：由获取的实时雷达回波图像序列中提取待测试的雷达回波数据彩图，对待测试的雷达回波数据彩图进行预处理后输入至预先训练好的Sat‑Lstm‑RNN网络模型得到雷达回波预测值，根据雷达回波预测值还原成雷达回波；所述Sat‑Lstm‑RNN网络模型的训练过程包括：基于编码器、Sat‑ConvLstm模块和解码器构建Sat‑Lstm‑RNN网络模型；通过训练图像集对Sat‑Lstm‑RNN网络模型进行训练，根据Sat‑Lstm‑RNN网络模型输出的雷达回波预测值与雷达回波真实值建立损失函数，利用损失函数调整循环神经网络参数，重复迭代训练过程直至Sat‑Lstm‑RNN网络模型收敛；实现了准确度更高、预测结果更清晰的雷达回波外推方法。

公开(公告)号：CN105678328A

公开(公告)日：2016-06-15

申请号：CN201610005936.2

申请日：2016-01-04

Applicant: 南京信息工程大学

Inventor： 钟水明 ,  杨萍 ,  彭路 ,  罗波 ,  孙昊 ,  陆晓翔 ,  顾菁卿

IPC: G06K9/62 ,  G06N3/08

CPC classification number: G06K9/6269 ,  G06N3/08

Abstract: 本发明公开了一种基于SVM技术的离散前向神经网络分类器的优化方法。离散前向神经网络(BFNN)具有明显的结构优势，但现有学习算法还不太成熟，难以获得令人满意的泛化性能；而SVM技术优势在于解决线性可分问题，能确立一个最优超平面，来提升分类器的泛化性能；因此，借助于SVM技术来优化训练后的BFNN，在现有的BFNN神经网络学习泛化能力还不理想的情况下，提出的一种基于SVM技术的离散前向神经网络分类器的优化算法。该算法将训练样本数据分解神经元数集，再重新组织更完善更契合的映射关系，通过SVM技术找到更优的权参数，改善BFNN神经网络泛化性能，从而获得更优的学习性能，促进BFNN在模式识别以及电子通信领域更加广泛的应用。