目標識別是水聲探測中的重要技術環(huán)節(jié)，也是一項難題。利用深度學習理論開展水聲目標信號特征學習與分類識別，已成為當前的研究熱點。本書總結了作者及課題組近年來利用深度學習理論開展水中目標識別研究的成果。首先，探討了典型深度學習模型應用于水中目標識別的可行性問題，在此基礎上分別研究了卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、深度卷積生成對抗網(wǎng)絡的原理、構建方法、參數(shù)優(yōu)化方法及應用實例。其次，在不同信噪比等條件下，對深度神經(jīng)網(wǎng)絡與傳統(tǒng)方法以及不同的深度神經(jīng)網(wǎng)絡進行了對比分析，提出了改進方法，并進一步探討了深度半監(jiān)督和無監(jiān)督水中目標分類識別方法及參數(shù)聯(lián)合優(yōu)化方法。最后，從功能需求、技術指標、關鍵技術等角度指出了智能水中目標識別技術的發(fā)展方向。

更多科學出版社服務，請掃碼獲取。