声波反源问题的多频机器学习算法

发布时间：2024-12-26 23:38

　　反源问题是从测量的散射波中识别和恢复出源信息,它是反散射问题中的一类重要问题。广泛应用于科学,工程的各个领域。由于机器学习算法在解决反问题上的优越性,本文在充分理解经典算法的基础上设计一种机器学习算法求解反源问题。该算法在假设均匀背景介质的情况下,利用若干个不同频率的入射波探测获得的散射数据,基于设计的深度神经网络模型,将散射数据作为输入,以平方误差为损失函数,不断更新优化神经网络的参数,预测恢复出区域内的源函数。该算法的主要优点:神经网络近似源函数,不需过多约束假设,计算相对简单。通过数值算例验证了本文所设计的算法的可行性,同时通过对实验数据添加随机噪声并观测所得结果,发现机器学习算法具有较好的稳定性。

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

图(b)tanh函数图(c)relu函数图(a)sigmoid函数

声波反源问题的多频机器学习算法各函数图象及导函数图象：(a)sigmoid函数图(b)tanh函数图(c)relu函数图图2-4:激活函数图(a)sigmoid导函数图(b)tanh导函数图(c)relu导函数图图2-5:激活函数导函数图sigmoid函数优缺点：通过上式及图象可....

图(b)tanh导函数图(c)relu导函数图(a)sigmoid导函数

声波反源问题的多频机器学习算法各函数图象及导函数图象：(a)sigmoid函数图(b)tanh函数图(c)relu函数图图2-4:激活函数图(a)sigmoid导函数图(b)tanh导函数图(c)relu导函数图图2-5:激活函数导函数图sigmoid函数优缺点：通过上式及图象可....

本文编号：4020798