Maryna Sokyrko & Oleksandr Chugui: Building Product Passion: Developing AI ch...
Dmitry Nowicki "Application of recurrent neural networks in the brain-computer interface"
1. Д М И Т Р О Н О В И Ц Ь К И Й
ВИКОРИСТАННЯ
РАДІОЛОКАЦІЙНИХ
СЕНСОРІВ ДЛЯ НАВІГАЦІЇ
ЛІТАЛЬНИХ АПАРАТІВ ТА
ГЛИБОКЕ НАВЧАННЯ
2. IML Critical Zone Observatory, Clear Creek Aug 2014 Lidar Survey
DOI: 10.5069/G9RF5S0N
OT Collection ID: OT.122016.26915.1
OT Collection Name: IML Critical Zone Observatory, Clear Creek Aug 2014 Lidar Survey
Short Name: IA14_Kumar_532
Collection Platform: Airborne Lidar
Использование данных лидара для
моделирования навигации по
радиолокационным сигналам
2
10. 10
Описание и характеристики системы
• Для оптических изображений используется сверточный
автоэнкодер. Он принимает на вход фрагмент 128*128
пикселей, и выдает сжатое представление в виде 16-мерного
вектора. Содержит по 2 сверточных (32*32 и 16*16) и 2
полносвязных (128 и 32 нейрона) слоя во входном и выходном
каскадах .
• Энкодер для РЛ сигналов принимает входные векторы из 480
компонент, содержит по 2 скрытых слоя (64 и 32 нейрона) во
входном и выходном каскадов
• Для установления соответствия между РЛ и оптическими
изображениями используется векторная регрессия
Обучение регрессионной модели состоит в нахождении оптимально
значения матрицы A и вектора смещения b в преобразовании:
bAyy optrad
11. 11
Описание и характеристики системы
(продолжение)
• Обучение было проведено на 4000 кадров содержащих
записи РЛ сигналов и изображений с камеры,
полученных во время испытательного полёта
• качество регрессии дает показатель r2=0.86
• Точность нахождения кадра по максимальной
корреляции среди представленных в выборке
составила 84.5%.