文献

J-GLOBAL ID：201902290903430163   整理番号：19A2522856

Chimp最適化アルゴリズムにより訓練されたニューラルネットワークを用いた水中音響データセットの分類【JST・京大機械翻訳】

Classification of underwater acoustical dataset using neural network trained by Chimp Optimization Algorithm

著者 (2件)： Khishe M. (Department of Electrical Engineering, Imam Khomeini Marine Science University, Nowshahr, Iran) ,  Mosavi M.R. (Department of Electrical Engineering, Iran University of Science and Technology, Narmak, Tehran 16846-13114, Iran)
資料名： Applied Acoustics  (Applied Acoustics)
巻： 157  ページ： Null  発行年： 2020年 
JST資料番号： D0559A  ISSN： 0003-682X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 水中ターゲットの放射信号の可変性により,水中音響データセットの分類は,実世界応用における挑戦的問題である。本論文において,水中音響ターゲットを分類するために,最初に,人工ニューラルネットワーク(ANN)を訓練するために,キメラハンティング挙動によって触発された新しいメタ発見的キメラ最適化アルゴリズム(choA)を開発した。第二に,実験室で収集した受動プロペラ音響データを用いて,新しい水中音響データセットを開発した。提案した分類器を評価するために,このアルゴリズムを,イオン運動アルゴリズム(IMA),Gray Wolf最適化(GWO),およびハイブリッドアルゴリズムと比較した。測定された計量は,収束速度,局所最小と分類精度におけるトラッピングの可能性である。結果は,ほとんどの事例における新しく提案したアルゴリズムが,他のベンチマークアルゴリズムと比較して,より良いか同等の性能を提供することを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： キメラ ,  ベンチマーク ,  *水中音響 ,  *ニューラルネットワーク ,  *音響 ,  プロペラ ,  *最適化 ,  *アルゴリズム
準シソーラス用語： トラッピング ,  分類精度 ,  収束速度 ,  ハイブリッドアルゴリズム ,  *最適アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： 分類 ,  水中音響データセット ,  多層パーセプトロン神経回路網 ,  Chimp最適化アルゴリズム

分類 (2件)： 音響の励起・発生  (BB03020V) ,  水中音響応用  (BB03090U)

タイトルに関連する用語 (6件)： 最適化アルゴリズム ,  訓練 ,  ニューラルネットワーク ,  水中音響 ,  データセット ,  分類