用于电磁物体分类的机器学习模型的精确度与计算成本

《IEEE Open Journal of Antennas and Propagation》:Accuracy and Computational Cost of Machine Learning Models for Electromagnetic Object Classification

【字体: 大 中 小 】 时间:2026年03月23日 来源:IEEE Open Journal of Antennas and Propagation 3.4

编辑推荐:

  摘要:在遥感和安全检测等应用中,从电磁数据中对随机取向的物体进行分类非常重要,因为这些应用对模拟/测量配置以及数据变化性的稳定性要求极高。虽然先前的研究已经表明,注意力机制能够显著提升长且结构复杂的电磁散射序列的分类性能,但其在较简单数据场景下的优势仍不明确。在这项数值研究中,我

  

摘要:

在遥感和安全检测等应用中,从电磁数据中对随机取向的物体进行分类非常重要,因为这些应用对模拟/测量配置以及数据变化性的稳定性要求极高。虽然先前的研究已经表明,注意力机制能够显著提升长且结构复杂的电磁散射序列的分类性能,但其在较简单数据场景下的优势仍不明确。在这项数值研究中,我们研究了使用平面波激励以及由少量接收天线记录的电磁场数据进行分类的情况,这类数据会导致输入序列较短。我们发现,在这种条件下,简单的一维卷积神经网络就能达到与基于注意力的模型几乎相同的准确率。此外,我们还对比了神经网络与传统的机器学习方法,包括支持向量机(SVM)和极端梯度提升算法(XGB),结果表明,在大型数据集上这些方法的性能与神经网络相当,而在小型数据集下神经网络具有明显优势。不过,神经网络的调试和训练时间可能远远高于SVM和XGB。这些结果为根据数据集的大小和结构、计算资源以及时间来选择适合电磁数据分类的模型复杂度提供了实用指导。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号