文献

J-GLOBAL ID：202102258706557011   整理番号：21A0710249

水中音響目標認識のための解釈可能な特徴【JST・京大機械翻訳】

Interpretable features for underwater acoustic target recognition

著者 (5件)： Jiang Junjun (School of Optoelectronic Science and Engineering, Soochow University, 1 Shizi Street, Suzhou, Jiangsu, China) ,  Wu Zhenning (School of Optoelectronic Science and Engineering, Soochow University, 1 Shizi Street, Suzhou, Jiangsu, China) ,  Lu Junan (School of Optoelectronic Science and Engineering, Soochow University, 1 Shizi Street, Suzhou, Jiangsu, China) ,  Huang Min (School of Optoelectronic Science and Engineering, Soochow University, 1 Shizi Street, Suzhou, Jiangsu, China) ,  Xiao Zhongzhe (School of Optoelectronic Science and Engineering, Soochow University, 1 Shizi Street, Suzhou, Jiangsu, China)
資料名： Measurement  (Measurement)
巻： 173  ページ： Null  発行年： 2021年 
JST資料番号： W0315B  ISSN： 0263-2241  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： 水中音響ターゲット認識の主な課題は,水中音響ターゲットを明確に特徴付ける特徴が不明瞭なままであり,そこでは,音信号がしばしば強い雑音によって浸水されることである。本論文では,固有のメカニズムを明らかにすることができる効率的な解釈可能な特徴集合の発見を目的とし,そして8つの効率的な特徴をもたらす。これらの特徴の性能をBPニューラルネットワークによる実験で評価した。CNNをベースライン法として用いた。これらの特徴に基づく検出の精度は,3つの海域で87.22%,99.31%,および91.56%に達することができ,一方,CNNは,それぞれ64.17%,99.17%,および59.17%の精度を示す。BPニューラルネットワークと協調するこれらの特徴を持つ最低MREは,わずか7.09%であった。実験結果は,これらの特徴が,明示的な物理的解釈性を有する水中音響ターゲット認識のために実際に妥当性があり,認識における非常に低い計算複雑性に導くことを示した。Copyright 2021 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： 雑音 ,  *水中音響 ,  *物体認識 ,  計算量 ,  基準線 ,  海域 ,  機械学習
準シソーラス用語： 逆伝播ニューラルネットワーク ,  トーン信号 , 【Automatic Indexing@JST】

著者キーワード (4件)： 解釈可能な特徴 ,  水中音響ターゲット ,  検出と測距 ,  機械学習

分類 (2件)： 生体計測  (EL03020C) ,  計測学一般  (AD01000Q)

タイトルに関連する用語 (2件)： 水中音響 ,  目標認識