-
公开(公告)号:CN108427989B
公开(公告)日:2019-10-11
申请号:CN201810599921.2
申请日:2018-06-12
申请人: 中国人民解放军国防科技大学
摘要: 本发明公开了一种用于雷达回波外推的深度时空预测神经网络训练方法,包括:步骤1,模型构造:构造初始化网络、编码网络和预测网络;步骤2,设置训练超参数;步骤3,输入训练序列样本;步骤4,初始化网络将输入序列前2个数据作为输入,前向传播输出编码网络所需的隐藏态和初始记忆;编码网络将输入序列的后续数据和初始化网络的输出作为输入,前向传播输出编码输入得到的隐藏态和记忆;预测网络将编码网络的输出作为输入,最终解码输出预测序列;步骤5,对步骤4前向传播得到的预测序列,根据损失函数计算所有网络参数的梯度,最后根据梯度和学习率更新所有网络参数;步骤6,迭代训练深度时空预测神经网络。
-
公开(公告)号:CN110568442B
公开(公告)日:2021-08-20
申请号:CN201910977797.3
申请日:2019-10-15
申请人: 中国人民解放军国防科技大学
摘要: 本发明提供了一种基于对抗外推神经网络(Adversarial Extrapolation Neural Network,AENN)的雷达回波外推方法,包括:AENN离线训练:对给定的雷达数据集,通过数据预处理得到训练和测试样本集,初始化AENN网络和训练参数,利用训练样本集进行前向传播,并采用对抗性策略训练AENN;AENN在线预测:利用测试样本集对经过训练的条件生成器进行测试,得到预测的雷达回波图像。
-
公开(公告)号:CN109001736A
公开(公告)日:2018-12-14
申请号:CN201810599816.9
申请日:2018-06-12
申请人: 中国人民解放军国防科技大学
摘要: 本发明公开了一种基于深度时空预测神经网络的雷达回波外推方法,包括:步骤1,数据预处理:对给定的多普勒天气雷达基数据,通过数据插值得到等高平面位置显示(Constant Altitude Plan Position Indicator,CAPPI)数据,将CAPPI数据转换为归一化灰度数据,基于归一化灰度数据集划分得到测试序列样本集;步骤2,雷达回波外推:将测试序列样本集输入深度时空预测神经网络,通过网络的前向传播输出预测序列。
-
公开(公告)号:CN108427989A
公开(公告)日:2018-08-21
申请号:CN201810599921.2
申请日:2018-06-12
申请人: 中国人民解放军国防科技大学
摘要: 本发明公开了一种用于雷达回波外推的深度时空预测神经网络训练方法,包括:步骤1,模型构造:构造初始化网络、编码网络和预测网络;步骤2,设置训练超参数;步骤3,输入训练序列样本;步骤4,初始化网络将输入序列前2个数据作为输入,前向传播输出编码网络所需的隐藏态和初始记忆;编码网络将输入序列的后续数据和初始化网络的输出作为输入,前向传播输出编码输入得到的隐藏态和记忆;预测网络将编码网络的输出作为输入,最终解码输出预测序列;步骤5,对步骤4前向传播得到的预测序列,根据损失函数计算所有网络参数的梯度,最后根据梯度和学习率更新所有网络参数;步骤6,迭代训练深度时空预测神经网络。
-
公开(公告)号:CN109001736B
公开(公告)日:2022-04-05
申请号:CN201810599816.9
申请日:2018-06-12
申请人: 中国人民解放军国防科技大学
摘要: 本发明公开了一种基于深度时空预测神经网络的雷达回波外推方法,包括:步骤1,数据预处理:对给定的多普勒天气雷达基数据,通过数据插值得到等高平面位置显示(Constant Altitude Plan Position Indicator,CAPPI)数据,将CAPPI数据转换为归一化灰度数据,基于归一化灰度数据集划分得到测试序列样本集;步骤2,雷达回波外推:将测试序列样本集输入深度时空预测神经网络,通过网络的前向传播输出预测序列。
-
公开(公告)号:CN110568442A
公开(公告)日:2019-12-13
申请号:CN201910977797.3
申请日:2019-10-15
申请人: 中国人民解放军国防科技大学
摘要: 本发明提供了一种基于对抗外推神经网络(Adversarial Extrapolation Neural Network,AENN)的雷达回波外推方法,包括:AENN离线训练:对给定的雷达数据集,通过数据预处理得到训练和测试样本集,初始化AENN网络和训练参数,利用训练样本集进行前向传播,并采用对抗性策略训练AENN;AENN在线预测:利用测试样本集对经过训练的条件生成器进行测试,得到预测的雷达回波图像。
-
-
-
-
-