逆散射問題指通過遠場或近場的信息來確定障礙或非均勻介質(zhì)的信息,是反問題中常見的一大類問題。這類問題在實際中有著廣泛的應用,如:人體內(nèi)部病變的診斷;石油、天然氣等礦藏的勘探;衛(wèi)星遙感探測等等,因此具有極高的研究價值。隨著大數(shù)據(jù)時代的到來,各種信息積累最終都轉(zhuǎn)化為數(shù)據(jù)積累,因此數(shù)據(jù)學習成為當今流行的研究主題。由于機器學習具有很強的學習非線性映射的能力,它可以通過學習或訓練自動總結(jié)出數(shù)據(jù)間的函數(shù)關(guān)系,獲得這些數(shù)據(jù)的內(nèi)在規(guī)律,適用于非線性問題的研究。本文的主要研究內(nèi)容就是設(shè)計并實現(xiàn)一種機器學習算法,以某區(qū)域的散射場和少量散射體測量值為已知數(shù)據(jù),重構(gòu)非均勻介質(zhì)。該算法采用深度神經(jīng)網(wǎng)絡(luò)模型,將設(shè)計兩個神經(jīng)網(wǎng)絡(luò)同時進行學習。其中散射場測量值對應的位置坐標均為這兩個神經(jīng)網(wǎng)絡(luò)模型的輸入值,散射場內(nèi)的散射波值及非均勻介質(zhì)系數(shù)分別為這兩個神經(jīng)網(wǎng)絡(luò)模型的輸出值,并設(shè)計合理有效的損失函數(shù)。大量實驗結(jié)果表明,本文提出的機器學習算法能較準確地重構(gòu)出非均勻介質(zhì)。 

【文章來源】：湖南師范大學湖南省 211工程院校

【文章頁數(shù)】：45 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 課題研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要內(nèi)容和結(jié)構(gòu)分布
第二章 機器學習算法簡介
    2.1 深度神經(jīng)網(wǎng)絡(luò)模型
    2.2 神經(jīng)網(wǎng)絡(luò)正向傳播
    2.3 損失函數(shù)與反向訓練
第三章 逆散射問題模型及經(jīng)典算法
    3.1 模型問題
    3.2 單頻迭代算法
    3.3 數(shù)值算例
第四章 反介質(zhì)散射問題機器學習算法
    4.1 神經(jīng)網(wǎng)絡(luò)模型的設(shè)計
    4.2 正向傳播與損失函數(shù)
    4.3 數(shù)值算例
結(jié)語
參考文獻
致謝



本文編號：3172750