4-2- انتخاب ویژگی‌ها 45

 

 

4-3- شبیه‌سازی با پرسپترون چند لایه. 46

 

 

4-4- شبیه‌سازی با بردار ماشین تکیه‌گاه 48

 

 

4-5- شبیه‌سازی با شبکه عصبی شعاع مبنا 53

 

 

فصل 5- نتیجه‌گیری و پیشنهادات… 58

 

 

5-1- نتیجه‌گیری و جمع‌بندی.. 59

 

 

5-2- پیشنهادات و كارهای آینده 59

 

 

فهرست منابع.. 60

 

 

 

 

 

فهرست جداول

 

 

جدول 2-1- مشخصات رادارهای موجود در آرشیو]2[ 12

 

 

جدول 2-2- مشخصات 3 رادار عملی جهت ارزیابی روش پیشنهادی]2[ 12

 

 

جدول 3-1- مشخصات رادارهای مورد استفاده 16

 

 

جدول 3-2- دو رادار نمونه. 17

 

 

جدول 3-3- انواع توابع هسته برای بردار ماشین تکیه‌گاه 41

 

 

جدول 4-1- پرسپترون چند لایه با یک لایه مخفی و تعداد نرونهای مختلف… 46

 

 

جدول 4-2- پرسپترون چند لایه با دو لایه مخفی و تعداد نرونهای مختلف… 47

 

 

جدول 4-3- نتایج شبیه‌سازی بردار ماشین تکیه‌گاه با تابع هسته خطی.. 49

 

 

جدول 4-4- نتایج شبیه‌سازی با تابع هسته چند جمله‌ای درجه دو برای بردار ماشین تکیه‌گاه بخش اول  50

 

 

جدول 4-5- نتایج شبیه‌سازی با تابع هسته چند جمله‌ای درجه دو برای بردار ماشین تکیه‌گاه بخش دوم  51

 

 

جدول 4-6- نتایج شبیه‌سازی با تابع هسته چند جمله‌ای درجه دو برای بردار ماشین تکیه‌گاه بخش سوم  51

 

 

جدول 4-7- نتایج شبیه‌سازی با تابع هسته شعاع مبنا(RBF) برای بردار ماشین تکیه‌گاه 52

 

 

جدول 4-8- نتایج شبیه‌سازی با تابع هسته سیگموئید برای بردار ماشین تکیه‌گاه 52

 

 

جدول 4-9- نتایج شبیه‌سازی با تابع شعاع مبنا و استفاده از یک سیکما برای همه. 54

 

 

جدول 4-10- نتایج شبیه‌سازی با تابع شعاع مبنا و استفاده از یک سیکما مجزا برای هر واحد. 55

 

 

جدول 4-11- نتایج شبیه‌سازی با تابع شعاع مبنا و استفاده از یک سیکما برای هر واحد و هر ویژگی  56

 

 

جدول 4-12- مقایسه کارایی کلاسه‌بندی شعاع مبنا برای حالت‌های مختلف استفاده از سیکما و CGD  57

 

 

 

 

 

فهرست شکل‌ها و تصاویر

 

 

شکل 1-1-  نمایش یک پالس راداری]20[ 5

 

 

شکل 2-1- خروجی شبکه RBF بعد از یادگیری رادارهای آرشیو و شناسایی رادارهای جدید]2[ 11

 

 

 

شکل 3-1- گسسته سازی مقادیر پارامترها 17

 

 

شکل 3-2- مدل نرون.. 22

 

 

شکل 3-3- شبکه پیشخور دو لایه 22

 

 

شکل 3-4- توابع محرک رایج در شبکه عصبی پرسپترون چند لایه(MLP) 24

 

 

شکل3-5- لایه پنهان(اوزان مرتبط با مرکز خوشه، تابع خروجی معمولاً گوسین) 26

 

 

شکل3-6- نرون شعاعی با یک ورودی.. 27

 

 

شکل3-7- منحنی نمایش تابع پاسخ با تابع انتقال(تحریک) نرون شعاع با یک ورودی.. 27

 

 

شکل3-8- نرون شعاعی با دو ورودی.. 28

 

 

شکل 3-9- منحنی نمایش تابع پاسخ یا تابع انتقال(تحریک) نرون شعاع با دو ورودی.. 28