文献

J-GLOBAL ID：202002244175427862   整理番号：20A0807349

複素値ウェーブレット神経回路網を用いたそれらの縮小スパース形におけるソナーエコー信号の分類【JST・京大機械翻訳】

Classification of sonar echo signals in their reduced sparse forms using complex-valued wavelet neural network

著者 (2件)： OEzkan Bakbak Pinar (Department of Electrical and Communication Engineering, Yildiz Technical University, Istanbul, Turkey) ,  Peker Musa (Department of Information Systems Engineering, Mugla University, Mugla, Turkey)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 32  号： 7  ページ： 2231-2241  発行年： 2020年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究は,より高い精度でそれらの減少したスパース形式を用いて信号を分類するための方法を同定することを目的とした。ソナー,レーダ,または地震信号のような多くの信号は,適切な基礎で表現されたとき,スパースまたは圧縮性の表現を持つという意味でまばらであるか,あるいはまばらになる。それらは,少数のスパース係数が正弦波,ウェーブレット,または他の基底の線形和としてそれらを表現する便利な変換領域を持っている。実値人工ニューラルネットワーク(ANNs)は,長時間ソナー信号の分類に頻繁に使用されてきたが,複雑値ウェーブレットニューラルネットワーク(CVWANN)は,本研究におけるソナー信号のスパース形式を減少させるために使用されている。分類の前に,入力の数は1/3次元に減少した。還元型から得られた複素値スパース係数(CVSCs)をCVWANNによって分類した。提案した方法の性能を示し,他の分類法と比較した。著者らの方法,CVSCs+CVWANNは,10倍の交差検証データ選択により94.23%,50~50%訓練試験データ選択により95.19%と非常に成功した。Copyright Springer-Verlag London Ltd., part of Springer Nature 2018 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 物体認識 ,  正弦波 ,  *ソナー ,  圧縮性 ,  ニューラルネットワーク ,  レーダ ,  ニューロン ,  基底 ,  線形性 ,  地震 ,  三次元 ,  *波束 ,  *神経回路網
準シソーラス用語： 圧縮センシング ,  分類法 , 【Automatic Indexing@JST】

著者キーワード (6件)： ソナー検出 ,  ソナー測定 ,  ターゲット認識 ,  ニューラルネットワーク ,  ニューロン ,  圧縮センシング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： ウェーブレット ,  神経回路網 ,  縮小 ,  ソナー ,  エコー信号 ,  分類