期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于物理启发机器学习的属性散射中心提取方法
1
作者
岳子瑜
徐丰
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第5期2036-2047,共12页
基于参数化散射中心模型进行参数估计是实现合成孔径雷达高级信息获取(SAR AIR)技术的基本思路之一,传统的属性散射中心(ASC)参数估计算法往往具有计算速度慢、算法复杂度高、对参数初值要求高等问题。对此,该文提出一个新的基于无监督...
基于参数化散射中心模型进行参数估计是实现合成孔径雷达高级信息获取(SAR AIR)技术的基本思路之一,传统的属性散射中心(ASC)参数估计算法往往具有计算速度慢、算法复杂度高、对参数初值要求高等问题。对此,该文提出一个新的基于无监督学习的端到端框架用于从SAR图像反演ASC参数。首先,利用自编码式网络结构有效提取目标图像特征,缓解由于优化空间复杂非凸导致的直接求解困难,解决初值敏感问题;其次,通过嵌入ASC模型作为物理解码器以将编码器输出约束为正确的ASC参数;最后,通过端到端的模型架构进行学习和推理,达到降低算法复杂度及提高估计速度的目的。通过在仿真和实测数据上进行测试,实验结果表明在0.15 m分辨率测试集SAR图像上取得低于0.1 m的估计误差,反演单个散射中心平均耗时0.06 s,验证了该文所提方法的有效性、高效性与鲁棒性。
展开更多
关键词
属性散射中心模型
参数估计
基于物理
知识的机器学习
下载PDF
职称材料
实用的基于知识的强人工智能的构建方法
2
作者
陈昆良
《工业控制计算机》
2023年第10期73-74,共2页
所谓的弱人工智能体现的是一种相关性的智能。首先相关性也包括了人类已有思想的抽象性的模拟,其次这种相关性是比人类个体认识的相关性更加广泛的相关性,但是也仅此而已。那么如何学习人类的抽象性以表达智能呢?就是学习人类的抽象性...
所谓的弱人工智能体现的是一种相关性的智能。首先相关性也包括了人类已有思想的抽象性的模拟,其次这种相关性是比人类个体认识的相关性更加广泛的相关性,但是也仅此而已。那么如何学习人类的抽象性以表达智能呢?就是学习人类的抽象性思维的方法,而不单单是结果。完成了对人类相关性思维的学习及对人类的抽象性思维的学习,就相当于完成了对人类思维的学习,这时的机器智能的表达是完整的,也就是所谓的强人工智能的出现。而所谓的学习人的思维,其实无非学习人的知识。
展开更多
关键词
相关性思维
抽象性思维
知识的机器学习
思维的方法
下载PDF
职称材料
题名
基于物理启发机器学习的属性散射中心提取方法
1
作者
岳子瑜
徐丰
机构
复旦大学电磁波信息科学教育部重点实验室
出处
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第5期2036-2047,共12页
基金
国家自然科学基金(61991422)。
文摘
基于参数化散射中心模型进行参数估计是实现合成孔径雷达高级信息获取(SAR AIR)技术的基本思路之一,传统的属性散射中心(ASC)参数估计算法往往具有计算速度慢、算法复杂度高、对参数初值要求高等问题。对此,该文提出一个新的基于无监督学习的端到端框架用于从SAR图像反演ASC参数。首先,利用自编码式网络结构有效提取目标图像特征,缓解由于优化空间复杂非凸导致的直接求解困难,解决初值敏感问题;其次,通过嵌入ASC模型作为物理解码器以将编码器输出约束为正确的ASC参数;最后,通过端到端的模型架构进行学习和推理,达到降低算法复杂度及提高估计速度的目的。通过在仿真和实测数据上进行测试,实验结果表明在0.15 m分辨率测试集SAR图像上取得低于0.1 m的估计误差,反演单个散射中心平均耗时0.06 s,验证了该文所提方法的有效性、高效性与鲁棒性。
关键词
属性散射中心模型
参数估计
基于物理
知识的机器学习
Keywords
Attributed Scattering Center(ASC)model
Parameter estimation
Physics informed machine learning
分类号
TN957.52 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
实用的基于知识的强人工智能的构建方法
2
作者
陈昆良
机构
云南烟叶复烤有限责任公司泸西复烤厂
出处
《工业控制计算机》
2023年第10期73-74,共2页
文摘
所谓的弱人工智能体现的是一种相关性的智能。首先相关性也包括了人类已有思想的抽象性的模拟,其次这种相关性是比人类个体认识的相关性更加广泛的相关性,但是也仅此而已。那么如何学习人类的抽象性以表达智能呢?就是学习人类的抽象性思维的方法,而不单单是结果。完成了对人类相关性思维的学习及对人类的抽象性思维的学习,就相当于完成了对人类思维的学习,这时的机器智能的表达是完整的,也就是所谓的强人工智能的出现。而所谓的学习人的思维,其实无非学习人的知识。
关键词
相关性思维
抽象性思维
知识的机器学习
思维的方法
Keywords
relevance thinking
abstract thinking
machine learning of knowledge
thinking methods
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于物理启发机器学习的属性散射中心提取方法
岳子瑜
徐丰
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
实用的基于知识的强人工智能的构建方法
陈昆良
《工业控制计算机》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部