申请/专利权人：杭州电子科技大学

申请日：2023-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN117807502A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/15;G06N3/0442;G06F18/214;G06N3/0464;G06F18/213;G10L25/51;G10L25/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于RNN结构和差异学习率重训练的水声目标识别方法，其专门针对舰船水声目标的识别与分类问题。具体实现步骤包括：一、对舰船水声信号进行预处理；二、基于预训练模型构建水声目标识别深度模型；三、重训练配置；四、对模型进行重训练，以实现往目标域的迁移；五、训练得到针对水声目标识别的高性能分类模型。本发明中的模型结构采用预训练模型与新增的循环神经网络结构和分类层结合，使得重训练后的模型能够更准确地识别水声目标。经过若干实验模拟与应用情况可证明本发明具备优秀的实时性和稳定性，适用于复杂多变的水下环境中舰船目标的快速准确识别，其对提升水下声纳系统的性能具有重要意义。

主权项：1.基于RNN结构和差异学习率重训练的水声目标识别方法，其特征在于：包括以下步骤：步骤1、对水声信号进行预处理，建立训练集；步骤2、构建预训练模型和水声目标识别深度模型；水声目标识别深度模型包括预训练部分、循环神经网络结构和分类层；预训练部分在预训练模型的基础上去除分类决策层得到；预训练模型经过通用音频数据集的预训练；预训练模型中的网络权重参数传递至水声目标识别深度模型的预训练部分；步骤3、使用训练集对水声目标识别深度模型进行重训练；对预训练部分与循环神经网络结构、分类层设置不同的学习率；预训练部分在重训练中的学习率小于循环神经网络结构、分类层在重训练中的学习率；步骤4、利用步骤3得到的水声目标识别深度模型对被测水声数据中的目标对象进行识别。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于RNN结构和差异学习率重训练的水声目标识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD