基于循环神经网络的空中目标类型识别

为解决在空中目标类型识别过程中,目标特征单一导致识别准确率低的问题,提出一种将雷达信噪比与目标航迹特征相结合的基于循环神经网络(Recurrent Neural Network,RNN)的目标识别方法。该方法利用RNN模型在处理时序数据上的优势,挖掘雷达数据隐藏在时间层面的特征;扩展目标特征属性维度,利用智能化模型有效地将雷达信噪比与目标航迹特征相结合,提高目标识别的准确率。应用真实检飞数据,对该方法进行检验,并与传统方法进行对比分析。仿真结果表明,基于RNN的目标智能化识别方法具有更高的准确率。     

融合注意力机制的战术意图智能识别模型研究

为解决传统意图识别模型中,依赖专家经验、信息过载等问题,提出一种融合注意力机制的战术意图智能识别模型.模型基于循环神经网络进行设计,能自动对来袭目标的时序数据进行特征提取;借鉴人脑聚焦式注意力机制,依据注意力分布处理输入信息,解决信息过载问题;在注意力分布计算过程中,设计了点积打分函数,提高模型训练时的收敛速度.结果表...