反介质散射问题单频机器学习算法

发布时间：2021-05-06 22:47

　　逆散射问题指通过远场或近场的信息来确定障碍或非均匀介质的信息,是反问题中常见的一大类问题。这类问题在实际中有着广泛的应用,如:人体内部病变的诊断;石油、天然气等矿藏的勘探;卫星遥感探测等等,因此具有极高的研究价值。随着大数据时代的到来,各种信息积累最终都转化为数据积累,因此数据学习成为当今流行的研究主题。由于机器学习具有很强的学习非线性映射的能力,它可以通过学习或训练自动总结出数据间的函数关系,获得这些数据的内在规律,适用于非线性问题的研究。本文的主要研究内容就是设计并实现一种机器学习算法,以某区域的散射场和少量散射体测量值为已知数据,重构非均匀介质。该算法采用深度神经网络模型,将设计两个神经网络同时进行学习。其中散射场测量值对应的位置坐标均为这两个神经网络模型的输入值,散射场内的散射波值及非均匀介质系数分别为这两个神经网络模型的输出值,并设计合理有效的损失函数。大量实验结果表明,本文提出的机器学习算法能较准确地重构出非均匀介质。 

【文章来源】：湖南师范大学湖南省 211工程院校

【文章页数】：45 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 课题研究意义
    1.2 国内外研究现状
    1.3 本文主要内容和结构分布
第二章 机器学习算法简介
    2.1 深度神经网络模型
    2.2 神经网络正向传播
    2.3 损失函数与反向训练
第三章 逆散射问题模型及经典算法
    3.1 模型问题
    3.2 单频迭代算法
    3.3 数值算例
第四章 反介质散射问题机器学习算法
    4.1 神经网络模型的设计
    4.2 正向传播与损失函数
    4.3 数值算例
结语
参考文献
致谢



本文编号：3172750