Deep Neural Network Design for Radar Applications
Los nuevos enfoques de aprendizaje profundo están logrando una precisión de vanguardia en el área del reconocimiento de objetivos de radar, lo que permite aplicaciones más allá del alcance del rendimiento a nivel humano. Este libro ofrece una introducción a los aspectos únicos del aprendizaje automático para el procesamiento de señales de radar que cualquier científico o ingeniero que quiera aplicar estas tecnologías debería conocer.
El libro comienza con tres capítulos introductorios sobre los sistemas de radar y su fenomenología, los principios del aprendizaje automático y la optimización para el entrenamiento de arquitecturas comunes de redes neuronales profundas (DNN). Posteriormente, el libro resume cuestiones específicas de los radares relacionadas con las diferentes representaciones de dominio en las que se pueden presentar los datos de radar a las DNN y la generación de datos sintéticos para aumentar el conjunto de datos de entrenamiento. Otros capítulos se centran en aplicaciones radar específicas, relacionadas con el diseño de DNN para el análisis micro-Doppler, el reconocimiento automático de objetivos basado en SAR, la teledetección radar y campos emergentes como la fusión de datos y la reconstrucción de imágenes.
Editado por un reconocido experto, y con contribuciones de un equipo internacional de autores, este libro proporciona una sólida introducción a los fundamentos del radar y el aprendizaje automático, y luego pasa a explorar una serie de tecnologías, aplicaciones y desafíos en este campo en desarrollo. Este libro es también un valioso recurso tanto para los ingenieros de radares que deseen aprender más sobre el aprendizaje profundo, como para los informáticos que quieran explorar nuevas aplicaciones del aprendizaje automático.
En una era en la que las aplicaciones de la detección por radiofrecuencia se multiplican día a día, este libro sirve como manual de fácil acceso sobre los matices del aprendizaje profundo para aplicaciones de radar.
© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)