首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于红外辐射变化波形的弹道目标识别神经网络算法研究

摘要第8-10页
ABSTRACT第10-11页
第一章 绪论第12-20页
    1.1 研究背景与研究意义第12-14页
    1.2 国内外研究现状第14-17页
        1.2.1 弹道目标识别研究现状第14-15页
        1.2.2 神经网络研究现状第15-17页
    1.3 论文工作和结构安排第17-20页
        1.3.1 论文主要工作第17页
        1.3.2 论文组织结构第17-20页
第二章 弹道目标红外辐射特性理论分析第20-40页
    2.1 引言第20页
    2.2 弹道导弹目标识别特征第20-22页
        2.2.1 弹道目标飞行阶段第20-21页
        2.2.2 中段目标群主要特点第21-22页
    2.3 中段目标群几何与运动姿态模型分析第22-26页
        2.3.1 目标几何模型分析第22-23页
        2.3.2 目标姿态运动模型分析第23-26页
    2.4 弹道目标温度场信息计算第26-31页
        2.4.1 节点热平衡方程理论第26-27页
        2.4.2 弹道目标表面温度场计算第27-29页
        2.4.3 辐射角系数的求解第29-31页
    2.5 弹道目标红外辐射通量计算第31-33页
    2.6 典型弹道目标的红外辐射特性仿真分析第33-37页
        2.6.1 量化与显示第33-34页
        2.6.2 弹道目标红外辐射特性相关参数取值第34-37页
    2.7 本章小结第37-40页
第三章 弹道目标识别卷积神经网络算法研究第40-56页
    3.1 引言第40页
    3.2 卷积神经网络基本思想与网络结构第40-43页
        3.2.1 稀疏矩阵与权值共享第41-42页
        3.2.2 降采样第42-43页
        3.2.3 卷积神经网络基本结构第43页
    3.3 基于红外辐射变化波形弹道目标识别卷积神经网络模型构造第43-48页
        3.3.1 卷积层与降采样层的构建第43-44页
        3.3.2 分类层的构建第44-48页
    3.4 卷积神经网络的训练过程第48-51页
        3.4.1 卷积神经网络的前向传播第48页
        3.4.2 卷积神经网络的反向传播第48-51页
    3.5 实验结果与分析第51-55页
        3.5.1 数据集的大小与分类第51-52页
        3.5.2 实验结果与分析第52-55页
    3.6 本章小结第55-56页
第四章 弹道目标识别径向基神经网络算法研究第56-74页
    4.1 引言第56页
    4.2 径向基神经网络理论基础第56-60页
        4.2.1 径向基神经网络拓扑结构第56-57页
        4.2.2 径向基神经网络元素第57-60页
    4.3 径向基神经网络学习算法第60-63页
        4.3.1 径向基函数中心向量的确定第60-61页
        4.3.2 梯度下降的网络训练算法第61-63页
    4.4 极限学习机算法与ELM-RBF神经网络学习算法第63-67页
        4.4.1 极限学习机原理与算法概述第63-66页
        4.4.2 ELM-RBF神经网络学习算法第66-67页
    4.5 实验结论与分析第67-72页
    4.6 小结第72-74页
第五章 结束语第74-76页
    5.1 全文工作总结第74-75页
    5.2 未来工作和展望第75-76页
致谢第76-78页
参考文献第78-82页
作者在学期间取得的学术成果第82页

论文共82页,点击 下载论文
上一篇:基于并行交替采样的高速数据采集技术研究与工程实现
下一篇:基于特征的目标稳定跟踪技术