航天电子对抗
航天電子對抗
항천전자대항
AEROSPACE ELECTRONIC WARFARE
2013年
3期
26-28,31
,共4页
量子神经网络%雷达辐射源识别%多层激励函数
量子神經網絡%雷達輻射源識彆%多層激勵函數
양자신경망락%뢰체복사원식별%다층격려함수
针对传统的BP神经网络对雷达辐射源识别率不高问题,提出了基于量子神经网络的辐射源识别方法.由于量子神经网络借鉴了量子理论的量子态叠加思想,不仅保留了人工神经网络的固有优势,而且可形成特征空间的多级划分,使得分类具有更大的自由度,从而较好地对辐射源进行分类识别.实验结果表明,相比于传统BP神经网络,该方法能获得更高的雷达辐射源识别率.
針對傳統的BP神經網絡對雷達輻射源識彆率不高問題,提齣瞭基于量子神經網絡的輻射源識彆方法.由于量子神經網絡藉鑒瞭量子理論的量子態疊加思想,不僅保留瞭人工神經網絡的固有優勢,而且可形成特徵空間的多級劃分,使得分類具有更大的自由度,從而較好地對輻射源進行分類識彆.實驗結果錶明,相比于傳統BP神經網絡,該方法能穫得更高的雷達輻射源識彆率.
침대전통적BP신경망락대뢰체복사원식별솔불고문제,제출료기우양자신경망락적복사원식별방법.유우양자신경망락차감료양자이론적양자태첩가사상,불부보류료인공신경망락적고유우세,이차가형성특정공간적다급화분,사득분류구유경대적자유도,종이교호지대복사원진행분류식별.실험결과표명,상비우전통BP신경망락,해방법능획득경고적뢰체복사원식별솔.
