این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و فناوری دریا، جلد ۲۵، شماره ۱۰۰، صفحات ۱-۱۴
عنوان فارسی بهینه سازی شبکه عصبی کانولوشنی عمیق با استفاده از روش بیزین به‌منظور افزایش نرخ کشف غواص در حال غواصی با سامانه مدارباز
چکیده فارسی مقاله کشف سیگنال‌ مشخصه غواصان در حال غواصی با سامانه مدارباز، از ابعاد متعددی حائز اهمیت است که ازجمله می‌توان به شناسایی غواصان متخاصم در صورت نفوذ به تأسیسات زیرآبی، هشدار ورود غواصان با مناطق آبزی‌پروری، جلوگیری از تصادم آن‌ها با شناورها و رصد کردن لحظه‌ای عملیات آن‌ها اشاره کرد. در این مقاله از یک شبکه عصبی کانولوشنی عمیق بهینه شده با روش بیزین برای تشخیص غواصان بهره‌برداری می‌شود. به منظور تطبیق مساله با شبکه عمیق در نظر گرفته شده، پس از جمع‌آوری داده‌های موردنیاز، از روش جستجوی بهینه‌ساز بیزین برای تنظیم دقیق فراپارامترهای مهم، استفاده می‌شود. پس از دستیابی به مقادیر بهینه فراپارامترهای مهم، از سه مدل الگوی بیزینی، Alexnet و Darknet19 برای طبقه‌بندی سیگنال‌ها در قالب دو کلاس غواص و غیرغواص استفاده می‌شود؛ همان‌طور که نتایج نشان می‌دهد، روش جستجوی بیزینی، علاوه برافزایش دقت آموزش مدل، به‌طورقابل‌توجهی موجب صرفه‌جویی زمان محاسبه نسبت به مدل‌های معیار می‌گردد. به‌طوری که میانگین مربع خطای 00091977/0 درمجموع زمانی 1772 ثانیه محاسبه می گردد.
کلیدواژه‌های فارسی مقاله سامانه مدارباز غواصی، سیگنال مشخصه غواص، شبکه عصبی کانولوشنی عمیق، بهینه‌سازی بیزین،
عنوان انگلیسی Optimization of deep convolutional neural network using Bayesian method to increase the detection rate of diving diver with open circuit system
چکیده انگلیسی مقاله The detection of the diver signature that diving with an open circuit system is important for several reasons, including identifying hostile divers in case of intrusion into underwater infrastructure, warning of divers entering into the aquaculture areas, preventing their collision with vessels, and instantaneous monitoring of their operations. In this paper, a deep convolutional neural network optimized by Bayesian method is used to detect divers. In order to adapt the problem to the intended deep network, after collecting the required data, bayesian optimizer search method is used to fine-tune important hyperparameters. After achieving the optimal values of important hyperparameters, three models of Bayesian, Alexnet and Darknet19 are used to classify signals in the form of two classes of Diver and No-Diver; as the results show, Bayesian search method, in addition to increasing the accuracy of training model, significantly saves calculation time in accordance to the benchmark models. So that in a total time of 1772 seconds the average square error of 0.00091977 is calculated.
کلیدواژه‌های انگلیسی مقاله سامانه مدارباز غواصی, سیگنال مشخصه غواص, شبکه عصبی کانولوشنی عمیق, بهینه‌سازی بیزین
نویسندگان مقاله محمد خویشه |
استادیار گروه الکترونیک، دانشکده مهندسی برق، دانشگاه علوم دریایی امام خمینی

علی جهان زاده |
دانشجوی کارشناسی ارشد، دانشکده مهندسی برق، دانشگاه علوم دریایی امام خمینی (ره) نوشهر

نشانی اینترنتی http://navy.iranjournals.ir/article_244468_709247ed49f691f87f3754324aea63a0.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات