无相位远场数据反演散射障碍的神经网络方法

来源：吉林大学学报·理学版杂志2020年第6期北京时间：

作者：尹伟石, 杨文红, 曲福恒

单位：1. 长春理工大学 理学院, 长春 130022; 2. 长春理工大学 计算机科学技术学院, 长春 130022

摘要：针对无相位信息反演障碍物位置及形状的问题, 提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN), 并给出该方法的收敛性分析. 首先, 以无相位远场数据与障碍物边界曲线方程参数作为输入和输出, 通过GRU神经网络控制门思想与长期记忆功能, 有选择性地更新网络状态, 保存数据特征; 其次, 应用梯度下降算法更新模型权重和偏置, 解决了无相位信息的远场数据反演障碍物位置及形状的难题; 最后, 利用数值实验说明该方法的有效性.

关键词：反散射问题,无相位数据,门控循环单元(GRU)神经网络,收敛性