Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

تشخیص امضای آکوستیک شناورهای دریایی با یادگیری عمیق

پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1400
کد COI مقاله: CEITCONF05_055
زبان مقاله: فارسیمشاهده این مقاله: 66
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

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

مشخصات نویسندگان مقاله تشخیص امضای آکوستیک شناورهای دریایی با یادگیری عمیق

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

چکیده مقاله:

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.

کلیدواژه ها:

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

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CEITCONF05_055 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

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

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
افشار، سودابه و کاظمی تبار، سیدجواد و ابراهیم زاده، عطالله،1400،تشخیص امضای آکوستیک شناورهای دریایی با یادگیری عمیق،پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز،https://civilica.com/doc/1428859

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1400، افشار، سودابه؛ سیدجواد کاظمی تبار و عطالله ابراهیم زاده)
برای بار دوم به بعد: (1400، افشار؛ کاظمی تبار و ابراهیم زاده)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

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

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 6,228
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی