无相位远场数据反演散射障碍的神经网络方法

• 作者: 尹伟石 曲福恒 杨文红
• 来源期刊: 吉林大学学报（理学版）
• 学科: 数学
• 关键词: 反散射问题 无相位数据 门控循环单元(GRU)神经网络 收敛性
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 数学
• 页码范围: 1357-1365
• 页数: 9页
• 分类号: O242.2
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2020116

摘要

针对无相位信息反演障碍物位置及形状的问题,提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN),并给出该方法的收敛性分析.首先,以无相位远场数据与障碍物边界曲线方程参数作为输入和输出,通过GRU神经网络控制门思想与长期记忆功能,有选择性地更新网络状态,保存数据特征;其次,应用梯度下降算法更新模型权重和偏置,解决了无相位信息的远场数据反演障碍物位置及形状的难题;最后,利用数值实验说明该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲福恒		23	48	5.0	5.0
2	尹伟石		29	18	3.0	3.0
3	杨文红		1	0	0.0	0.0