發(fā)布時(shí)間：2025-04-01 03:25

　　 利用神經(jīng)網(wǎng)絡(luò)進(jìn)行輻射源個(gè)體識(shí)別時(shí),訓(xùn)練樣本的單一性會(huì)導(dǎo)致深度網(wǎng)絡(luò)出現(xiàn)過擬合的現(xiàn)象,繼而影響輻射源個(gè)體識(shí)別的精確性。針對該問題,本文提出一種基于PID算法的深度卷積網(wǎng)絡(luò)結(jié)構(gòu),該結(jié)構(gòu)通過在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的輸出層與輸入層間構(gòu)建一條反饋回路,采用PID算法將網(wǎng)絡(luò)輸出錯(cuò)誤率轉(zhuǎn)化為劃分訓(xùn)練集數(shù)據(jù)構(gòu)成的概率,通過優(yōu)化訓(xùn)練集數(shù)據(jù)構(gòu)成,達(dá)到抑制過擬合的目的。將該方法應(yīng)用于超短波電臺(tái)識(shí)別,平均識(shí)別率達(dá)到92.59%,識(shí)別率方差約為傳統(tǒng)算法的1/3,訓(xùn)練用時(shí)減少約35 min,上述指標(biāo)均優(yōu)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果表明,該算法增強(qiáng)了深度網(wǎng)絡(luò)的魯棒性,有效地抑制了過擬合現(xiàn)象。

【文章頁數(shù)】：8 頁

【文章目錄】：
引言
1 卷積神經(jīng)網(wǎng)絡(luò)
2 基于PID和卷積神經(jīng)網(wǎng)絡(luò)的輻射源識(shí)別方法
    2.1 卷積神經(jīng)網(wǎng)絡(luò)用于輻射源識(shí)別時(shí)網(wǎng)絡(luò)過擬合問題分析
    2.2 采用PID方法解決深度網(wǎng)絡(luò)過擬合問題
    2.3 PID參數(shù)調(diào)節(jié)
3 實(shí)驗(yàn)仿真
    3.1 過擬合現(xiàn)象及分析
    3.2 錯(cuò)誤率曲線分層現(xiàn)象
    3.3 改進(jìn)前后網(wǎng)絡(luò)分類效果實(shí)驗(yàn)
4 結(jié)束語



本文編號(hào)：4038869