摘要
1.1研究背景及意义
1.2国内外研究现状
1.3主要研究内容
1.4论文基本结构
2相关理论基础
2.1深度学习基本理论
2.1.1人工神经网络
2.1.2神经网络
2.1.3深度学习技术
2.2常用的网络结构
2.2.1深度残差网络
2.2.2循环神经网络
2.2.3元学习
2.3本章小结
3基于CNN目标姿态分类的算法设计与实现
3.1基于ResNet的目标姿态分类实验流程
3.2 ResNet的18-1ayers模型
3.2.1ResNet的18-layers模型介绍
3.2.2ResNet的缺点
3.3改进的ResNet18-layers模型
3.3.1加入沙漏形特征层
3.3.2模型训练步骤描述
3.4RCS数据集的构建
3.4.1RCS数据采集
3.4.2RCS数据特征提取
3.4.3FEKO软件创建目标物体RCS数据
3.5实验环境及评价指标
3.5.1实验环境
3.5.2实验结果评价指标
3.6实验结果及对比
3.5本章小结
4基于RNN目标姿态分类的算法设计与实现
4.1基于LSTM的目标姿态分类实验流程
4.2LSTM单元模型
4.3改进的LSTM模型
4.3.1抽象层次模型的注意力机制
4.3.2基于抽象层次注意力机制的LSTM模型
4.3.3模型训练步骤描述
4.4实验结果及对比
4.5本章小结
5基于MAML目标姿态分类的算法设计与实现
5.1基于梯度元学习的目标姿态分类实验流程
5.2MAML模型
5.3改进的MAML模型
5.3.1抽象层次模型的注意力机制
5.4实验结果及对比
5.4.1Omniglot数据集
5.4.2实验结果
5.5横向对比实验
5.6本章小结
6总结与展望
6.1工作总结
6.2未来进一步工作
参考文献
攻读硕士学位期间发表的论文及成果
致谢
声明
西安工业大学;