基于机器学习的植被典型组件散射研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 英文缩略表 | 第9-10页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 本文背景及意义 | 第10-12页 |
| 1.2 有限长圆柱散射体的研究现状 | 第12-13页 |
| 1.3 本文的研究内容与结构安排 | 第13-14页 |
| 第2章 电磁散射的基本理论 | 第14-28页 |
| 2.1 散射振幅和散射截面 | 第14-16页 |
| 2.2 T矩阵 | 第16-19页 |
| 2.3 扩展边界条件方法 | 第19-23页 |
| 2.4 VPM-TMAT方法 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 神经网络 | 第28-39页 |
| 3.1 神经网络的原理 | 第28-32页 |
| 3.1.1 神经网络的概述 | 第28-29页 |
| 3.1.2 人工神经元 | 第29页 |
| 3.1.3 激活函数 | 第29-32页 |
| 3.2 BP神经网络 | 第32-35页 |
| 3.3 神经网络的优化方法 | 第35-36页 |
| 3.3.1 小批量梯度下降法 | 第35页 |
| 3.3.2 自适应矩估计 | 第35-36页 |
| 3.4 残差学习 | 第36-37页 |
| 3.5 神经网络的函数逼近能力 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 模型结构和数值结果分析 | 第39-58页 |
| 4.1 DNN结构 | 第39-41页 |
| 4.2 数据集 | 第41-42页 |
| 4.3 训练方式 | 第42页 |
| 4.4 神经网络模型对比 | 第42-45页 |
| 4.4.1 神经网络层数的对比 | 第42-43页 |
| 4.4.2 神经网络的优化方法对比 | 第43-44页 |
| 4.4.3 神经网络的初始化的对比 | 第44-45页 |
| 4.5 数值验证分析结果 | 第45-57页 |
| 4.5.1 测试集的表现 | 第45-49页 |
| 4.5.2 超出测试集的情况 | 第49-52页 |
| 4.5.3 机器学习的总体性能 | 第52-53页 |
| 4.5.4 散射模式的极坐标图 | 第53-54页 |
| 4.5.5 针对连续变化的参数的散射表现 | 第54-56页 |
| 4.5.6 介电常数对学习能力的影响 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 在校期间研究成果 | 第62页 |
