針對(duì)Gabbard等人發(fā)表在《Pyhsical Review Letters》上的文章"Matching Matched Filtering with Deep Networks for Gravitational-Wave Astronomy",提出了一種卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化模型。文章將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于引力波信號(hào)的識(shí)別,研究最大池化層參數(shù)對(duì)模型分類能力的影響,調(diào)整模型中超參數(shù)提升引力波信號(hào)分類的準(zhǔn)確率;將優(yōu)化后的網(wǎng)絡(luò)結(jié)構(gòu)與Gabbard的卷積神經(jīng)網(wǎng)絡(luò)用于相同的模擬數(shù)據(jù)集,并在測(cè)試集上繪制了接受者操作特性曲線（Receiver Operating Characteristic curve,簡(jiǎn)稱ROC曲線）,計(jì)算了ROC曲線下的面積;結(jié)果證明:相比于未優(yōu)化的網(wǎng)絡(luò),此處的模型在ROC下的面積在數(shù)值上提高了0. 025 4～0. 032 6;同時(shí),改變?cè)胍舻恼穹?將兩種方法應(yīng)用于新的數(shù)據(jù)集上,結(jié)果同樣證明,優(yōu)化后網(wǎng)絡(luò)效果更好,魯棒性強(qiáng)。 

【文章來(lái)源】：重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,37(01)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

模擬數(shù)據(jù)集中一些時(shí)間序列例子

其中:fTP、fFN、fFP、fTN分別是真陽(yáng)性、假陰性、假陽(yáng)性、真陰性的樣本數(shù)量。另外，為了驗(yàn)證模型對(duì)于噪音改變的魯棒性，改變?cè)胍粽穹�，分別在snr=6.0和snr=8.0情況下，將兩種方法應(yīng)用于相同數(shù)據(jù)集繪制了ROC曲線，結(jié)果展示在圖3和圖4中。

另外，為了驗(yàn)證模型對(duì)于噪音改變的魯棒性，改變?cè)胍粽穹�，分別在snr=6.0和snr=8.0情況下，將兩種方法應(yīng)用于相同數(shù)據(jù)集繪制了ROC曲線，結(jié)果展示在圖3和圖4中。圖4 ROC曲線


本文編號(hào)：3352545