.png){kind=icon}
返回
Multi-response adaptive sampling method for a radar anti-jamming evaluation model
.png){kind=icon}
PRE
AI
DOI：10.1088/1361-6501/adfc02.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自适应采样是一种通过利用现有数据，在预算约束下迭代选择信息量丰富的样本的高效计算策略。为解决在有限资源下构建雷达抗干扰性能高保真评估模型的挑战，本研究提出了一种新的多响应自适应采样方法。该方法采用贝叶斯支持向量回归来估计设计空间中的样本方差和梯度，从而能够设计多响应学习函数以指导样本选择。在学习函数中，样本方差与最近邻梯度过程（NNGP）相结合，以平衡全局探索和局部开发。此外，基于NNGP的均值和最大值对不同响应分配权重因子，从而平衡其精度。五个函数示例、两个真实数据集和一项工程案例研究验证了该方法的有效性。数值示例表明，当判定系数均为0.9时，与其它实验设计方法相比，平均可节省约50%的样本点。真实数据集显示，所提出的采样方法在整个采样期间在测试集上的预测精度方面优于其它方法。在雷达抗干扰性能评估中，该方法在相同样本预算下可将模型精度显著提高10%–20%。所提出的方法在减少多响应建模的采样点和实验支出方面表现出优越性能，显示出在最优实验设计实际应用中的良好前景。
期刊
IF:
3.4
论文数:
2.7K
被引数:
2.3W
机构
暂无机构信息
引用论文
A bayesian multistage fusion model for radar antijamming performance evaluation一种用于雷达抗干扰性能评估的贝叶斯多级融合模型.png)
IF0
PREAI
分享收藏分享收藏Radar anti-jamming performance evaluation based on logistic fusion of multi-stage SIR information基于多级SIR信息逻辑融合的雷达抗干扰性能评估
IF0
PREAI
分享收藏
查看更多内容