书馨卡帮你省薪 2024个人购书报告 2024中图网年度报告
欢迎光临中图网 请 | 注册
> >
基于深度学习的水下信息处理方法研究

基于深度学习的水下信息处理方法研究

作者:王兴梅著
出版社:北京航空航天大学出版社出版时间:2021-04-01
开本: 24cm 页数: 158页
中 图 价:¥23.4(6.0折) 定价  ¥39.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

基于深度学习的水下信息处理方法研究 版权信息

  • ISBN:9787512434769
  • 条形码:9787512434769 ; 978-7-5124-3476-9
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

基于深度学习的水下信息处理方法研究 本书特色

本书涵盖了深度学习理论方法涉及的相关知识要点与思想精髓 有助于深入了解基于深度学习进行水下信息处理的过程 站在新时代的新起点上,我国对海洋的关心、海洋的认知和海洋的经略越来越重视。不断探索海洋、开发海洋资源、发展海洋科学技术,是世界主要大国竞相发展的重要方向,在军事和民用领域具有非常重要的意义和价值,并一定程度上影响着国家的兴衰。水下信息处理方法作为海洋科学技术发展的一个重要方向,是本书介绍的重点。

基于深度学习的水下信息处理方法研究 内容简介

本书主要研究对水下信息的处理方法。而深度学习尤其是深度神经网络在近年证明了其在各个领域方面超越传统机器学习方法的性能, 且相比传统机器学习算法, 能够对数据进行有效缩放, 使用更多的数据可以更好地扩展, 不需要特征工程, 适应性强。

基于深度学习的水下信息处理方法研究 目录

第1章绪论

1.1水下信息处理方法的意义和价值

1.2国内外研究现状及发展动态

1.2.1水下信息处理技术

1.2.2深度学习在信息处理技术中的应用

本章小结

参考文献

第2章基于堆叠式卷积稀疏降噪自编码器的水下异构信息数据降噪方法

2.1水下信息数据的噪声模型

2.1.1加性高斯白噪声模型

2.1.2乘性散斑噪声模型

2.2模拟水下异构信息数据集

2.2.1模拟水下声信号数据集

2.2.2模拟水下声呐图像数据集

2.2.3异构信息数据进行预处理

2.3堆叠式卷积稀疏降噪自编码器

2.3.1稀疏降噪自编码器

2.3.2堆叠式稀疏降噪自编码器网络

2.3.3卷积神经网络

2.3.4构建堆叠式卷积稀疏降噪自编码器模型

2.4实验结果与分析

2.4.1降噪结果向量处理

2.4.2水下声信号信息数据降噪

2.4.3水下声呐图像信息数据降噪

2.4.4算法运行时间对比实验

本章小结

参考文献

第3章基于多维特征的深度学习水下声信号目标分类识别方法

3.1构建水下声信号目标多维特征向量

3.1.1Gammatone频率倒谱系数算法

3.1.2改进的经验模态分解算法

3.1.3构建多维特征向量

3.2基于多维特征的深度学习分类识别方法

3.2.1高斯混合模型

3.2.2深度神经网络

3.2.3MDNN算法描述

3.2.4MFF-MDNN描述

3.3实验结果与分析

本章小结

参考文献

第4章基于CWGAN-GP&DR的改进CNN水下声呐图像分类方法

4.1生成对抗网络模型

4.1.1生成器

4.1.2判别器

4.1.3损失函数

4.1.4训练过程

4.2基于梯度惩罚Wasserstein生成对抗网络模型

4.3基于条件生成对抗网络模型

4.4支持向量机算法

4.5基于CWGAN-GP&DR的改进CNN分类方法

4.5.1构建CWGAN-GP&DR网络模型

4.5.2改进的卷积神经网络

4.5.3CWGAN-GP&DR的改进CNN算法描述

4.6实验结果与分析

本章小结

参考文献

第5章基于类意识领域自适应的水下声呐图像无监督分类方法

5.1无监督领域自适应

5.2数据集的构建

5.3基于残差网络的迁移学习无监督分类方法

5.4基于深度聚类网络的无监督分类方法

5.5对抗自编码器

5.6构建基于类意识领域自适应的无监督分类网络模型

5.7CCUDA网络模型的泛化界

5.7.1泛化界基础理论

5.7.2CCUDA网络模型的泛化上界

5.7.3CCUDA网络模型的领域自适应泛化上界

5.8实验结果与分析

本章小结

参考文献


展开全部
商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服