本文主要研究内容
作者龚凯（2019）在《机器学习技术在声波逆散射问题中的应用》一文中研究指出：逆散射问题广泛应用于雷达遥感、石油勘探和生物医学成像等领域,相关数值求解方法的研究具有重要的学术意义和实用价值。本文从数值计算角度研究一类典型的逆散射问题:利用声波远场数据反演不可穿透散射体的形状。这类问题的求解常常面临非线性性和不适定性等挑战。为克服上述困难,国内外众多学者对波动方程的散射理论进行了广泛深入的研究,提出并发展了一大批有效的计算方法,如优化方法、迭代算法和采样类方法等。这些算法从本质上都依赖于散射问题的物理机制与数学模型,可将其归结为模型驱动的计算方法。近年来,以深度学习为代表的机器学习技术在自然语言处理、计算机视觉等领域得到了越来越多的关注。区别于传统的模型驱动算法,深度学习属于数据驱动的新型计算技术,并且已经在图像处理和地球物理等领域的逆问题求解中取得了巨大成功。然而,据我们所知,对于散射体的形状重构这一经典的逆散射问题,目前尚未有关于深度学习方面的研究。因此,本文的目的是研究深度学习技术在这类逆散射问题上的应用,通过计算实例探讨其可行性,同时对比分析深度学习技术与传统算法的重构效果。具体地,本文内容安排如下:第一章概述了一些与本研究课题相关的背景知识,包括课题的研究背景和意义、国内外在该方向的研究历史和发展现状、以及本文的具体研究的模型等。第二章首先给出了求解正逆散射问题所需预备知识的简要介绍,主要包括位势理论、求解正问题的积分方程方法以及求解逆散射问题的经典数值方法等内容。然后简要回顾了深度学习相关的基本内容,主要包括人工神经网络的基本原理、反向传播算法的具体实现、以及神经网络中的参数选取策略等问题。第三章和第四章是本文的主要研究结果。第三章考虑了深度学习算法中最关键的组成部分,即训练数据集和神经网络结构。首先提出了两种训练数据集的构造方法,随后讨论了算法实现的框架,最后通过数值算例验证了所提出的训练集是简便易行且行之有效的。第四章通过大量数值仿真实验,主要包括全部数据和数据缺失情形的反演结果、以及深度学习算法与Newton迭代法的重构效果对比等,说明深度学习算法是求解逆散射问题的一种有效技术。特别地,针对单入射波所对应部分观测数据的情形,深度学习算法在反演精度上具有超越模型驱动算法的优势。
Abstract
ni san she wen ti an fan ying yong yu lei da yao gan 、dan you kan tan he sheng wu yi xue cheng xiang deng ling yu ,xiang guan shu zhi qiu jie fang fa de yan jiu ju you chong yao de xue shu yi yi he shi yong jia zhi 。ben wen cong shu zhi ji suan jiao du yan jiu yi lei dian xing de ni san she wen ti :li yong sheng bo yuan chang shu ju fan yan bu ke chuan tou san she ti de xing zhuang 。zhe lei wen ti de qiu jie chang chang mian lin fei xian xing xing he bu kuo ding xing deng tiao zhan 。wei ke fu shang shu kun nan ,guo nei wai zhong duo xue zhe dui bo dong fang cheng de san she li lun jin hang le an fan shen ru de yan jiu ,di chu bing fa zhan le yi da pi you xiao de ji suan fang fa ,ru you hua fang fa 、die dai suan fa he cai yang lei fang fa deng 。zhe xie suan fa cong ben zhi shang dou yi lai yu san she wen ti de wu li ji zhi yu shu xue mo xing ,ke jiang ji gui jie wei mo xing qu dong de ji suan fang fa 。jin nian lai ,yi shen du xue xi wei dai biao de ji qi xue xi ji shu zai zi ran yu yan chu li 、ji suan ji shi jiao deng ling yu de dao le yue lai yue duo de guan zhu 。ou bie yu chuan tong de mo xing qu dong suan fa ,shen du xue xi shu yu shu ju qu dong de xin xing ji suan ji shu ,bing ju yi jing zai tu xiang chu li he de qiu wu li deng ling yu de ni wen ti qiu jie zhong qu de le ju da cheng gong 。ran er ,ju wo men suo zhi ,dui yu san she ti de xing zhuang chong gou zhe yi jing dian de ni san she wen ti ,mu qian shang wei you guan yu shen du xue xi fang mian de yan jiu 。yin ci ,ben wen de mu de shi yan jiu shen du xue xi ji shu zai zhe lei ni san she wen ti shang de ying yong ,tong guo ji suan shi li tan tao ji ke hang xing ,tong shi dui bi fen xi shen du xue xi ji shu yu chuan tong suan fa de chong gou xiao guo 。ju ti de ,ben wen nei rong an pai ru xia :di yi zhang gai shu le yi xie yu ben yan jiu ke ti xiang guan de bei jing zhi shi ,bao gua ke ti de yan jiu bei jing he yi yi 、guo nei wai zai gai fang xiang de yan jiu li shi he fa zhan xian zhuang 、yi ji ben wen de ju ti yan jiu de mo xing deng 。di er zhang shou xian gei chu le qiu jie zheng ni san she wen ti suo xu yu bei zhi shi de jian yao jie shao ,zhu yao bao gua wei shi li lun 、qiu jie zheng wen ti de ji fen fang cheng fang fa yi ji qiu jie ni san she wen ti de jing dian shu zhi fang fa deng nei rong 。ran hou jian yao hui gu le shen du xue xi xiang guan de ji ben nei rong ,zhu yao bao gua ren gong shen jing wang lao de ji ben yuan li 、fan xiang chuan bo suan fa de ju ti shi xian 、yi ji shen jing wang lao zhong de can shu shua qu ce lve deng wen ti 。di san zhang he di si zhang shi ben wen de zhu yao yan jiu jie guo 。di san zhang kao lv le shen du xue xi suan fa zhong zui guan jian de zu cheng bu fen ,ji xun lian shu ju ji he shen jing wang lao jie gou 。shou xian di chu le liang chong xun lian shu ju ji de gou zao fang fa ,sui hou tao lun le suan fa shi xian de kuang jia ,zui hou tong guo shu zhi suan li yan zheng le suo di chu de xun lian ji shi jian bian yi hang ju hang zhi you xiao de 。di si zhang tong guo da liang shu zhi fang zhen shi yan ,zhu yao bao gua quan bu shu ju he shu ju que shi qing xing de fan yan jie guo 、yi ji shen du xue xi suan fa yu Newtondie dai fa de chong gou xiao guo dui bi deng ,shui ming shen du xue xi suan fa shi qiu jie ni san she wen ti de yi chong you xiao ji shu 。te bie de ,zhen dui chan ru she bo suo dui ying bu fen guan ce shu ju de qing xing ,shen du xue xi suan fa zai fan yan jing du shang ju you chao yue mo xing qu dong suan fa de you shi 。
论文参考文献
论文详细介绍
论文作者分别是来自哈尔滨工业大学的龚凯，发表于刊物哈尔滨工业大学2019-12-07论文，是一篇关于逆散射论文,声波论文,深度学习论文,机器学习论文,人工神经网络论文,哈尔滨工业大学2019-12-07论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自哈尔滨工业大学2019-12-07论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：逆散射论文; 声波论文; 深度学习论文; 机器学习论文; 人工神经网络论文; 哈尔滨工业大学2019-12-07论文;