基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对基于循环神经网络的雷达图像外推算法难以表示雷达回波复杂变化的问题,提出GhuLSTM时空预测递归网络模型,用于高精度雷达图像外推.该模型利用时空记忆单元变体提取和传递雷达图像空间和时序上的高层特征信息,并利用相邻递归状态之间的差分信号处理雷达回波体演变的高阶非平稳性.同时在网络中加入梯度公路结构,以缓解雷达图像序列外推中时序梯度快速消失的趋势.试验结果表明,相较于目前主流的雷达回波外推算法,该模型的均方误差降低了18.9%,平均绝对误差降低了2.8%,峰值信噪比提升了5.5%.
推荐文章
基于图像边缘梯度信息的图像匹配算法
图像匹配
Hausdorff距离
边缘梯度
膨胀运算
距离变换
基于共轭梯度下降法的RBF神经网络预测算法
径向基神经网络
扭矩预测
共轭梯度下降
变步长
平滑因子
复杂非线性系统
基于图像梯度信息的彩色图像去噪算法
图像去噪
图像梯度
同龄组
基于 OpenCL 的雷达外推算法改进与优化
雷达外推算法
开放运算语言
并行化计算
异构计算
图形处理器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于梯度预测网络的气象雷达图像外推算法
来源期刊 扬州大学学报(自然科学版) 学科
关键词 图像序列 雷达图像 外推预测 深度学习
年,卷(期) 2021,(2) 所属期刊栏目
研究方向 页码范围 61-65
页数 5页 分类号 TP751.1
字数 语种 中文
DOI 10.19411/j.1007-824x.2021.02.011
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (88)
共引文献  (18)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(12)
  • 参考文献(0)
  • 二级参考文献(12)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(6)
  • 参考文献(0)
  • 二级参考文献(6)
2016(8)
  • 参考文献(0)
  • 二级参考文献(8)
2017(6)
  • 参考文献(1)
  • 二级参考文献(5)
2018(6)
  • 参考文献(3)
  • 二级参考文献(3)
2019(4)
  • 参考文献(1)
  • 二级参考文献(3)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像序列
雷达图像
外推预测
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
扬州大学学报(自然科学版)
季刊
1007-824X
32-1472/N
大16开
江苏省扬州市大学南路88号
28-48
1974
chi
出版文献量(篇)
1577
总下载数(次)
2
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导