《表2 BP神经网络的部分输入输出数据》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的飞行器姿态分析研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

针对本文基于坐标信息的姿态分析方法，设计了由1个输入层、1个隐藏层及1个输出层组成的BP网络。输入层包含17个输入节点，分别代表定位算法识别出的6个关键点的横纵坐标值及代表飞行器几何特性的关键点与关键点间的距离值。输出层包含3个输出节点，即俯仰、偏航和翻滚3个角度值标签，表2列出了部分输入输出数据。由经验公式7计算隐含层包含的节点个数为9，式7中a代表估计值，取值范围为[2，10]。隐藏层节点个数是输入层与输出层节点个数之和求平方，再加上估计值a。在隐含层和输出层之后，引入ReLU函数作为激活函数，采用动量-自适应学习速率调整算法替换传统的梯度下降法[11]，在更好地求解全局最优解的同时缩短神经网络学习时间。