搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于自归一化神经网络的脉冲星候选体选择

康志伟

基于自归一化神经网络的脉冲星候选体选择

康志伟
PDF
导出引用
导出核心图
计量
  • 文章访问数:  40
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-17

基于自归一化神经网络的脉冲星候选体选择

    基金项目: 国家级-面向脉冲星/星光多普勒组合导航的深度融合与智能定位方法(61772187)

摘要: 脉冲星候选体选择是脉冲星搜寻任务中的重要步骤。为了提高脉冲星候选体选择的准确率,提出了一种基于自归一化神经网络的候选体选择方法。该方法采用自归一化神经网络、遗传算法、合成少数类过采样这三种技术提升对脉冲星候选体的筛选能力。利用自归一化神经网络的自归一化性质克服了深层神经网络训练中梯度消失和爆炸的问题,大大加快了训练速度。为了消除样本数据的冗余性,利用遗传算法对脉冲星候选体的样本特征进行选择,得到了最优特征子集。针对数据中真实脉冲星样本数极少带来的严重类不平衡性,采用合成少数类过采样技术生成脉冲星候选体样本,降低了类不平衡率。以分类精度为评价指标,在三个脉冲星候选体数 据集上的实验结果表明,本文提出的方法能有效提升脉冲星候选体选择的性能。

English Abstract

目录

    /

    返回文章
    返回