📖
Apprentissage machine pour la propagation troposphérique
Thomas Bonnafont, Benjamin Chauvel, Abdelmalek Toumi

Apprentissage machine pour la propagation troposphérique

Science & Mathematics Published 2023 Verification Pending

Overview & Synopsis

Dans ce résumé, nous proposons une méthode pour simuler la propagation longue distance basée sur un réseau U-Net. Nous nous focalisons ici sur la prise en compte du relief, et l'obtention du champ sur une verticale à la hauteur de l'émetteur, mais le cadre se veut général. Le réseau est entrainé sur des données artificielles, construite par la méthode split-step wavelet. Les reliefs synthétiques associés sont générés de façon aléatoire à l'aide d'un hypercube latin. Pour l'entrainement, une fonction perte basée sur une combinaison linéaire de la norme L2 et L1 est utilisée de façon à obtenir un estimateur robuste. Enfin des tests sont effectués sur des données IGN pour montrer la précision de la méthode. De plus, une stratégie de réglage fin sur les derniers blocs du réseau permet de l'adapter à d'autres types de reliefs.

Indexed from repository: HAL Open Science (hal.science)
Loading document from verified source...
Keyboard Shortcuts: ← / → for pages • + / - for zoom • 0 to fit width Powered by Mozilla PDF.js v3.11

Document Information

Document Title Apprentissage machine pour la propagation troposphérique
Author / Organization Thomas Bonnafont, Benjamin Chauvel, Abdelmalek Toumi
Subject & Discipline Multidisciplinary Academic Open Research
Categories Science & Mathematics
Publication Year 2023
License / Rights Open Access / Creative Commons
Resource Verification Listed PDF (Verification Pending)
Original Host Website HAL Open Science (hal.science)
File Format application/pdf (Portable Document Format)
Language EN
Catalog ID DOC-257720
Original Source Link Visit Source Page on hal.science »