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; 杨文红; 曲福恒

来源：吉林大学学报(理学版), 2020, 58(06): 1357-1365.

DOI：10.13413/j.cnki.jdxblxb.2020116

• 反散射问题
• 无相位数据
• 门控循环单元(GRU)神经网络
• 收敛性

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.

• 单位
  长春理工大学