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
1
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
基于深度学习的船舶辐射噪声识别研究
被引量:
8
1
作者
朱可卿
田杰
+1 位作者
黄海宁
张扬帆
《应用声学》
CSCD
北大核心
2018年第2期238-245,共8页
为了改善船舶辐射噪声识别系统的性能,进一步提高船舶辐射噪声识别的正确率,该文提出采用一种基于深度学习的船舶辐射噪声识别方法。该方法首先提取了船舶辐射噪声的频谱、梅尔倒谱系数等特征,将提取特征后的图像样本分别用于训练卷积...
为了改善船舶辐射噪声识别系统的性能,进一步提高船舶辐射噪声识别的正确率,该文提出采用一种基于深度学习的船舶辐射噪声识别方法。该方法首先提取了船舶辐射噪声的频谱、梅尔倒谱系数等特征,将提取特征后的图像样本分别用于训练卷积神经网络和深度置信网络,再对船舶辐射噪声进行识别。通过文中所给实例,将深度学习和支持向量机两种识别方法的性能进行比较,得出深度学习方法可以有效地提高船舶辐射噪声识别正确率的初步结论。
展开更多
关键词
深度学习
卷积神经网络
深度置信网络
船舶辐射噪声识别
下载PDF
职称材料
题名
基于深度学习的船舶辐射噪声识别研究
被引量:
8
1
作者
朱可卿
田杰
黄海宁
张扬帆
机构
中国科学院声学研究所
中国科学院大学
出处
《应用声学》
CSCD
北大核心
2018年第2期238-245,共8页
文摘
为了改善船舶辐射噪声识别系统的性能,进一步提高船舶辐射噪声识别的正确率,该文提出采用一种基于深度学习的船舶辐射噪声识别方法。该方法首先提取了船舶辐射噪声的频谱、梅尔倒谱系数等特征,将提取特征后的图像样本分别用于训练卷积神经网络和深度置信网络,再对船舶辐射噪声进行识别。通过文中所给实例,将深度学习和支持向量机两种识别方法的性能进行比较,得出深度学习方法可以有效地提高船舶辐射噪声识别正确率的初步结论。
关键词
深度学习
卷积神经网络
深度置信网络
船舶辐射噪声识别
Keywords
Deep learning
Convolutional neural network
Deep belief network
Ship-radiated noise recognition
分类号
TB566 [交通运输工程—水声工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的船舶辐射噪声识别研究
朱可卿
田杰
黄海宁
张扬帆
《应用声学》
CSCD
北大核心
2018
8
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