光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2012年
2期
395-402
,共8页
星图识别%三角剖分%径向基函数(RBF)神经网络%ROLS算法%GAP算法
星圖識彆%三角剖分%徑嚮基函數(RBF)神經網絡%ROLS算法%GAP算法
성도식별%삼각부분%경향기함수(RBF)신경망락%ROLS산법%GAP산법
根据经典径向基函数(RBF)神经网络的优势,结合星图模式样本集的特点,设计了一种适合星图模式样本的网络训练算法.从提取星图模式入手,引入三角剖分理论,将可能出现在同一视场内的恒星以三角形的形式连接起来,提取连接的角距作为星图模式,建立了具有完备性、平移旋转不变性的星图模式样本集.然后,利用RBF神经网络做星图识别,研究顺序训练方法和批量训练方法,总结多种经典算法的优缺点,并设计了一种训练方法.通过实验证明了该种方法较其他经典算法更为适合学习星图模式样本.最后,给出RBF神经网络相关的训练数据,并通过模拟星图软件获得若干模拟星图作为观测样本,利用已经训练好的神经网络进行识别.试验结果表明,测试网络能够正确识别这些星图.
根據經典徑嚮基函數(RBF)神經網絡的優勢,結閤星圖模式樣本集的特點,設計瞭一種適閤星圖模式樣本的網絡訓練算法.從提取星圖模式入手,引入三角剖分理論,將可能齣現在同一視場內的恆星以三角形的形式連接起來,提取連接的角距作為星圖模式,建立瞭具有完備性、平移鏇轉不變性的星圖模式樣本集.然後,利用RBF神經網絡做星圖識彆,研究順序訓練方法和批量訓練方法,總結多種經典算法的優缺點,併設計瞭一種訓練方法.通過實驗證明瞭該種方法較其他經典算法更為適閤學習星圖模式樣本.最後,給齣RBF神經網絡相關的訓練數據,併通過模擬星圖軟件穫得若榦模擬星圖作為觀測樣本,利用已經訓練好的神經網絡進行識彆.試驗結果錶明,測試網絡能夠正確識彆這些星圖.
근거경전경향기함수(RBF)신경망락적우세,결합성도모식양본집적특점,설계료일충괄합성도모식양본적망락훈련산법.종제취성도모식입수,인입삼각부분이론,장가능출현재동일시장내적항성이삼각형적형식련접기래,제취련접적각거작위성도모식,건립료구유완비성、평이선전불변성적성도모식양본집.연후,이용RBF신경망락주성도식별,연구순서훈련방법화비량훈련방법,총결다충경전산법적우결점,병설계료일충훈련방법.통과실험증명료해충방법교기타경전산법경위괄합학습성도모식양본.최후,급출RBF신경망락상관적훈련수거,병통과모의성도연건획득약간모의성도작위관측양본,이용이경훈련호적신경망락진행식별.시험결과표명,측시망락능구정학식별저사성도.
