基于拟合早停前馈神经网络的声音源测距
机器学习
2019-10-23 v1 声音
信号处理
计算物理
机器学习
摘要
当训练前馈神经网络（FNN）用于海洋波导中的声源测距时，难以在未标注测试数据上评估 FNN 的距离精度。本文引入一种基于拟合的早停（FEAST）方法，用于在源距离未知的测试数据上评估 FNN 的距离误差。基于 FEAST，当 FNN 在测试数据上的评估距离误差达到最小时停止训练，这将有助于提高 FNN 在测试数据上的测距精度。FEAST 在模拟与实验数据上均得到了验证。
引用
@article{arxiv.1904.00583,
title = {Sound source ranging using a feed-forward neural network with fitting-based early stopping},
author = {Jing Chi and Xiaolei Li and Haozhong Wang and Dazhi Gao and Peter Gerstoft},
journal= {arXiv preprint arXiv:1904.00583},
year = {2019}
}