ورود
مقالات فارسیISIکنفرانسهاژورنالها

طراحی سامانه سوناری با قابلیت دسته بندی اهداف فعال و غیرفعال آکوستیکی مبتنی بر شبکه ی عصبی فراابتکاری

Publish place: Scientific Journal of Advanced Defense Science and Technology، Vol: 11، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 354

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:
https://civilica.com/doc/1034308

شناسه ملی سند علمی:

JR_ADST-11-2_008

تاریخ نمایه سازی: 11 مرداد 1399

Abstract:

با توجه به اهمیت تعیین ماهیت اهداف سوناری در نبردهای دریایی، این مقاله به طراحی سامانه ای باقابلیت دسته­بندی اهداف سوناری فعال و غیرفعال با استفاده از شبکه­های عصبی پرسپترون چندلایه می پردازد. با توجه به نواقص پرسپترون­های چندلایه در کار با داده­های دنیای واقعی، این مقاله یک الگوریتم فرا ابتکاری جدید بانام بهینه ساز ازدحام ذرات با گروهای آشفته (CGPSO) را ارائه می­دهد. این الگوریتم با استفاده از گروه­های مجزای جستجو و همچنین نقشه­های آشفته فضای جستجو را بهتر و سریع­تر اکتشاف می­کند. به منظور ارزیابی سامانه طراحی شده، یک مجموعه داده سوناری مرجع، یک مجموعه داده آزمایشگاهی غیرفعال و یک مجموعه داده واقعی فعال توسعه داده شد. به منظور داشتن یک مقایسه جامع سامانه طراحی شده با بهینه سازهای معیار ازدحام ذرات (PSO)، جغرافیایی زیستی (BBO) و گرگ خاکستری (GWO) ازنظر سرعت همگرایی، دقت دسته بندی و قابلیت اعتماد مقایسه شد که سامانه طراحی شده نسبت به بهترین دسته­بندی کننده موجود، به­طور میانگین 33/2 درصد دقیق­تر عمل کرد.

Keywords:

سونار , دسته بندی , پرسپترون چندلایه , بهینه ساز ازدحام ذرات با گروهای آشفته

Authors

محمد خویشه

دانشگاه علوم دریایی امام خمینی (ره) نوشهر

احسان ابراهیمی

دانشگاه علوم دریایی امام خمینی

افشین گلدانی

دانشگاه علوم دریایی امام خمینی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Mosavi, M. R.; Khishe M.; Ebrahimi, E. Classification of Sonar ...
  • Fialkowski, J. M.; Gauss, R. C. Methods for Identifying and ...
  • Mosavi, M. R.; Khishe, M.; Aghababaee, M.; Mohammadzadeh, F. Approximation ...
  • Khishe, M.; Aghababaee, M. Identifying and Controlling Sonar Clutter by ...
  • Mosavi, M. R.; Khishe, M.; Hatam Khani, Y.; Shabani, M. ...
  • Mosavi, M. R.; Kaveh, M.; Khishe, M. Sonar Data Set ...
  • Mosavi, M. R.; Kaveh, M.; Khishe, M.; Aghababaee, M. Design ...
  • Auer, P.; Burgsteiner, H.; Maass, W. A Learning Rule for ...
  • Moody, J.; Darken, C. J. Fast Learning in Networks of ...
  • Karayiannis, N. Reformulated Radial Basis Neural Networks Trained by Gradient ...
  • Liu, C.; Wang, H.; Yao, P. On Terrain-Aided Navigation for ...
  • Simon, D. Training Radial Basis Neural Networks with the Extended ...
  • Zhang, Q.; Li, B. A Low-Cost GPS/INS Integration Based on ...
  • Mosavi, M. R.; Khishe, M.; Akbarisani, M. Neural Network Trained ...
  • Li, X.; Zhang, T.; Deng, Z.; Wang, J. A Recognition ...
  • Kirkpatrick, S.; Gelatt, C. D.; Vecchi, M. P. Optimization by ...
  • Ozturk, C.; Karaboga, D. Hybrid Artificial Bee Colony Algorithm for ...
  • Yu, J. J.; Lam, A. Y.; Li, V. O.   ...
  • Mirjalili, S.; Sadiq, A. S. Magnetic Optimization Algorithm for Training ...
  • Green, R. C.; Wang, L.; Alam, M. Training Neural Networks ...
  • Moallem, P.; Razmjooy, N. A Multi-Layer Perceptron Neural Network Trained ...
  • Pereira, L. A.; Afonso, L. C.; Papa, J. P.; Vale, ...
  • Pereira, L.; Rodrigues, D.; Ribeiro, P.; Papa, J.; Weber, S. ...
  • Uzlu, E.; Kankal, M.; Akpınar, A.; Dede, T. Estimates of ...
  • Mosavi, M. R.; Khishe, M.; Ghamgosar, A. Classification of Sonar ...
  • Mosavi, M. R.; Khishe, M.; Training a Feed-Forward Neural Network ...
  • Ravakhah, S.; Khishe, M.; Aghababaee, M.; Hashemzadeh, E. Sonar False ...
  • Kaveh, M.; Khishe, M.; Mosavi, M. R. Design and Implementation ...
  • Khishe, M.; Safari, A. Classification of Sonar Targets using an ...
  • Afrakhteh, S.; Mosavi, M. R.; Khishe, M.; Ayatollahi A. Accurate ...
  • Mosavi, M. R.; Khishe, M.; Parvizi, G. R.; Naseri, M. ...
  • Khishe, M.; Mohammadi, H. Sonar Target Classification using Multi-Layer Perceptron ...
  • Wolpert, D. H.; Macready, W. G. No Free Lunch Theorems ...
  • Khishe, M.; Mosavi, M. R.; Moridi, A. Chaotic Fractal Walk ...
  • http://archive.ics.uci.edu/ml/datasets. ...
  • Gorman R. P.; Sejnowski, T. J. Analysis of Hidden Units ...
  • Khishe, M.; Passive Sonar Data Set ; Mendeley Data, v1, ...
  • Khishe, M.; Mosavi, M. R. Active Sonar Data Set ; Mendeley Data, v1, ...
  • Gaggero, S.; Savio, L.; Brizzolara, S.; Viviani, M.; Ferrando, M.; ...
  • Carlton, J. Marine Propeller and Propulsion ; Section 10, Butterworth-Heinemann, ...
  • Gacs, P.; Lovasz, L. Complexity of Algorithms ; Lecture Notes, ...
  • Iyer, K. Computational Complexity of Data Mining Algorithms used in ...
    • نمایش کامل مراجع