摘要
本发明公开了一种基于门控递归残差网络的电大复杂目标识别方法。其包括:通过测绘获取电大复杂物体几何外形数据,建立精细几何模型数据库;对模型网格剖分;选用高频近似算法快速获得一维距离像数据库;对数据预处理,减少数据敏感性影响;构建ResNet‑GRU神经网络结构;将数据集输入网络,采用可变学习率优化损失函数;将待测数据输入到训练网络,输出目标分类名称。本发明构建的ResNet‑GRU网络,通过残差卷积模块和残差门控循环单元模块并行挖掘数据空间和时间特征信息,通过自注意力机制层动态分配融合特征权重残差网络,其网络模型有效避免传统深层网络训练出现的梯度爆炸、梯度消失和序列长期依赖问题,且精度高、参数量少,适用于多种应用场景。
技术关键词
递归残差网络
GRU神经网络
识别方法
门控循环单元网络
融合特征
积层
时间序列特征
梯度下降算法
近似算法
数据
注意力机制
时间序列信息
线性调频信号
模块
网格
记忆单元
门控器
系统为您推荐了相关专利信息
回归森林模型
注意力
融合特征
特征描述符
双线性池化
信息咨询服务系统
语义向量
图谱
融合置信度
时效性
气味识别方法
附着力系数
电子鼻
传感器
协方差矩阵