研究目的
利用基于接收波束强度分布的机器学习算法来展示对物体楔角和方向的识别。
研究成果
基于卷积神经网络的深度学习方法具有高精度,在检测楔角和方向时能保持稳定。该方法的性能优于其他传统机器学习方法,即使在物体发生极其微小变化的情况下,仍可实现100%的准确率。与其他研究相比,我们的方法能显著降低硬件实现复杂度,且仅需单次测量即可完成。
研究不足
该研究未讨论该方法在更大规模数据集或更复杂对象上的可扩展性。
研究目的
利用基于接收波束强度分布的机器学习算法来展示对物体楔角和方向的识别。
研究成果
基于卷积神经网络的深度学习方法具有高精度,在检测楔角和方向时能保持稳定。该方法的性能优于其他传统机器学习方法,即使在物体发生极其微小变化的情况下,仍可实现100%的准确率。与其他研究相比,我们的方法能显著降低硬件实现复杂度,且仅需单次测量即可完成。
研究不足
该研究未讨论该方法在更大规模数据集或更复杂对象上的可扩展性。
加载中....
您正在对论文“[IEEE 2019年第18届国际光通信与网络会议(ICOCN) - 中国黄山 (2019.8.5-2019.8.8)] 2019年第18届国际光通信与网络会议(ICOCN) - 基于机器学习算法的物体楔角与方向识别”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期