Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

تشخیص امضای آکوستیک شناورهای دریایی با یادگیری عمیق

Year: 1400
COI: CEITCONF05_055
Language: PersianView: 81
This Paper With 24 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 24 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

سودابه افشار - دانشجوی کارشناسی ارشد دانشکده برق و کامپیوتر دانشگاه صنعتی نوشیروانی بابل
سیدجواد کاظمی تبار - استادیار دانشکده برق و کامپیوتر دانشگاه صنعتی نوشیروانی بابل
عطالله ابراهیم زاده - استاد دانشکده برق و کامپیوتر دانشگاه صنعتی نوشیروانی بابل

Abstract:

تشخیص و طبقه بندی شناورهای دریایی از سیگنال های ساطع شده از آن ها، یک وظیفه ی مهم و با کابردهای نظامی حیاتی، به ویژه در شرایط بحرانی و جنگ است. از زمان های قدیم تا به امروز، این وظیفه ی مهم، به صورت سنتی توسط افسرهای سونار به کمک سیگنال های آکوستیکی دریافت شده توسط هیدروفون های سونار انجام می شد. امروزه، با توسعه ی علم و فناوری، ارائه راهکارهایی که این وظیفه را به صورت خودکار و با کمترین دخالت انسان انجام دهند. یک ضرورت اجتناب ناپذیر است و منافع بسیاری به همراه دارد. به منظور توسعه ی یک سامانه ی عملی که این وظیفه را مورد تحقیق قرار دهد. در این تحقیق به کمک اصوات درهم موجود در یک پایگاه داده عمومی اینترنتی، یک مجموعه داده ی کوچک که تنها از ۱۷ نمونه ی داده با طول های متغیر از اصوات مربوط به ۳ کلاس زیردریایی تشکیل می شود. ایجاد می شود. علت به کارگیری این مجموعه داده کوچک این است که اکثر مجموعه داده های به کار رفته در مراجع تحقیق مختلف، غیر عمومی و محرمانه هستند و خود فرایند جمع آوری داده نیز زمان بر، پرهزینه و نیازمند عقد قرارداد یا سازمان های خاص است. لذا در این تحقیق، با استفاده از روش های مختلف پیش پردازش و آماده سازی داده، ابعاد این مجموعه تحت سناریوهای مختلف گسترش داده می شود. سپس، به کمک دانش یادگیری ماشین، الگوریتم. های طبقه بندی متنوعی را به کار می رود. در نهایت، بامحاسبه معیارهای ارزیابی مختلف عملکرد سناریوهای مختلف بررسی و تحلیل می شود. نتایج این تحقیق، موفقیت آمیز بودن روش استخراج ویژگی ضرایب کپسترال فرکانسی مل MFCC رادر هنگام به کارگیری الگوریتم های طبقه بندی مختلف، از جمله شبکه عصبی مصنوعی ANN و شکست روش شبکه عصبی کانولوشنی رادر هنگام آموزش توسط مجموعه داد ه های کوچک نشان می دهد.

Keywords:

طبقه بندی شناورهای دریایی , امضای آکوستیکی , گسترش داده ها , ضرایب کپسترال فرکانسی مل , شبکه عصبی مصنوعی , شبکه عصبی کانولوشنی

Paper COI Code

This Paper COI Code is CEITCONF05_055. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1428859/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
افشار، سودابه و کاظمی تبار، سیدجواد و ابراهیم زاده، عطالله،1400،تشخیص امضای آکوستیک شناورهای دریایی با یادگیری عمیق،5th National Conference on Computer, Information Technology and Applications of Artificial Intelligence،Ahvaz،https://civilica.com/doc/1428859

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 6,347
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

New Papers

New Researchs

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support