摘要
本发明提供了一种用于标记水声样本数量不足的深度学习识别方法。包括对水声样本进行处理并构建训练数据集和测试数据集,然后构建基于水声目标识别的注意力半监督网络,并进行网络训练,最后将测试数据集输入到训练好的网络得到分类结果。本发明构建的基于水声目标识别的注意力半监督网络可以在少量标记样本下保持稳定且良好的识别效果,有效提高小样本水声目标的识别效果。
技术关键词
深度学习识别方法
样本
网络
残差数据
标记
注意力
解码模型
短时傅里叶变换
无监督
通道
噪声
节点数
重构
编码
非线性
输入端
参数
信号
系统为您推荐了相关专利信息
样本
模型训练方法
场景特征
权分配方法
动作预测模型
航空发动机系统
期望最大化算法
在线辨识方法
模型参数辨识技术
拉普拉斯
分布式驱动
轮式车辆
学习控制系统
系统控制方法
深度Q学习网络
网络攻击预测
蜜罐部署方法
成分分析
时间序列模型
入侵检测系统