隨著社會(huì)的發(fā)展,科技的進(jìn)步,信息化程度加深,人們生活中不斷產(chǎn)生著蘊(yùn)含著大量信息的數(shù)據(jù),但同時(shí)也存在著更多地冗余信息。研究如何從海量的數(shù)據(jù)中快速的提取出所需要的有價(jià)值信息,并應(yīng)用于不同的任務(wù),這無論對(duì)于國(guó)防或者民生領(lǐng)域,都具有重大意義和作用。但是,實(shí)際應(yīng)用中的數(shù)據(jù)不僅形式多樣,結(jié)構(gòu)復(fù)雜,變化性強(qiáng),并且特別“大”,即不光數(shù)量大,而且維度高。在這種情況下,對(duì)于這種大數(shù)據(jù)的高效特征學(xué)習(xí)的問題極具挑戰(zhàn)。最近,深度學(xué)習(xí)在很多與人們生活息息相關(guān)領(lǐng)域的任務(wù)中都有著非常驚人的表現(xiàn),甚至超過了人類的表現(xiàn)。對(duì)于數(shù)量巨大的高維數(shù)據(jù),深層模型可以層次化的學(xué)習(xí)數(shù)據(jù)中的潛在特征,并將數(shù)據(jù)特征更加精細(xì)的分層的表示出。也正是這種層次化的特征表示,使得深層模型很適合處理這類數(shù)量大,維度高的數(shù)據(jù)。本文圍繞大數(shù)據(jù)情況下的特征學(xué)習(xí)任務(wù),將深度學(xué)習(xí)領(lǐng)域的高性能模型結(jié)合其他領(lǐng)域的特點(diǎn)應(yīng)用于各種國(guó)防,生活領(lǐng)域的任務(wù)中。對(duì)論文的主要內(nèi)容做如下概括:1.雷達(dá)目標(biāo)識(shí)別技術(shù)對(duì)于我軍的戰(zhàn)斗力提升和國(guó)防的穩(wěn)固都有著不可替代的作用。而基于雷達(dá)高分辨距離像（HRRP）數(shù)據(jù)的雷達(dá)目標(biāo)識(shí)別問題,因其具有快速便捷的特點(diǎn)而受到了這一領(lǐng)域研究人員的廣泛關(guān)注。... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：134 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

深度學(xué)習(xí)屬于人工智能的一部分

圖1.1深度學(xué)習(xí)屬于人工智能的一部分來學(xué)習(xí)并能夠處理每個(gè)新問題。的眾多領(lǐng)域中，有一個(gè)領(lǐng)域通常被稱為“大腦啟發(fā)發(fā)現(xiàn)人類的大腦有著非常優(yōu)越的學(xué)習(xí)，處理問題法的天然場(chǎng)所。因此，受大腦啟發(fā)的計(jì)算是這樣方式中獲取其某些方面的基本形式或功能。這與在幫助人們理解大腦在某些方面是如何運(yùn)作的。們?nèi)栽诓粩嗵剿鞔竽X如何工作的一些細(xì)節(jié)問題，近千億個(gè)神經(jīng)元，而它們作為主要的計(jì)算單元在。神經(jīng)元本身與許多進(jìn)入它們內(nèi)部的細(xì)胞連接在類從它們內(nèi)部伸向外部的細(xì)胞被稱為軸突，如圖過來神經(jīng)元的信號(hào)進(jìn)行計(jì)算處理，之后在軸突上的過程被稱為神經(jīng)元被激活[? ]。一個(gè)神經(jīng)元的軸的部分稱為突觸。研究表明，人類大腦中有大約數(shù)

1.3簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)實(shí)例與術(shù)語圖1.3（a）顯示了計(jì)算神經(jīng)網(wǎng)絡(luò)的示意圖。輸入數(shù)據(jù)由輸入層神經(jīng)元接接收，然后將其經(jīng)過轉(zhuǎn)化傳送到網(wǎng)絡(luò)中間各層的神經(jīng)元，即“隱藏層”神經(jīng)元。輸出神經(jīng)元的數(shù)值是隱藏層神經(jīng)元數(shù)值的加權(quán)，輸出層對(duì)其進(jìn)行非線性激活最終輸出。為了與“大腦啟發(fā)式計(jì)算”的術(shù)語相一致，神經(jīng)元的輸出通常被稱為激活，而突觸通常被稱為權(quán)重，如圖1.3（a）所示。3

【參考文獻(xiàn)】：
期刊論文
[1]基于棧式自編碼器特征融合的SAR圖像車輛目標(biāo)識(shí)別[J]. 康妙,計(jì)科峰,冷祥光,邢相薇,鄒煥新.  雷達(dá)學(xué)報(bào). 2017(02)
[2]基于棧式降噪稀疏自動(dòng)編碼器的雷達(dá)目標(biāo)識(shí)別方法[J]. 趙飛翔,劉永祥,霍凱.  雷達(dá)學(xué)報(bào). 2017(02)
[3]基于TSB-HMM模型的雷達(dá)高分辨距離像目標(biāo)識(shí)別方法[J]. 潘勉,王鵬輝,杜蘭,劉宏偉,保錚.  電子與信息學(xué)報(bào). 2013(07)
[4]基于目標(biāo)散射中心和HMM分類的多視角雷達(dá)目標(biāo)識(shí)別方法[J]. 裴炳南,保錚.  電子學(xué)報(bào). 2003(05)



本文編號(hào)：3471431