سال 10، شماره 2 - ( دو فصل‌نامه انجمن مهندسی صوتیات ايران پاییز و زمستان 1401 )                   جلد 10 شماره 2 صفحات 48-35 | برگشت به فهرست نسخه ها

‎ 20.1001.1.23455748.1401.10.2.4.5

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Abniki A, Sayyaadi H, Seif M. Classification of vessels based on their length using emitted sound by artificial neural network and hybrid particle swarm algorithm (Research Article). مجله انجمن علوم صوتی ایران (مهندسی صوتیات سابق) 2023; 10 (2) :35-48
URL: http://joasi.ir/article-1-254-fa.html
آب نیکی علی اصغر، صیادی حسن، سیف محمد سعید. دسته‌بندی شناورها براساس طول آن‌ها با استفاده از صدای منتشره به کمک شبکه عصبی مصنوعی و هیبرید الگوریتم ازدحام ذرات (مقاله پژوهشی). مجله انجمن علوم صوتی ایران (مهندسی صوتیات سابق). 1401; 10 (2) :35-48

URL: http://joasi.ir/article-1-254-fa.html

دسته‌بندی شناورها براساس طول آن‌ها با استفاده از صدای منتشره به کمک شبکه عصبی مصنوعی و هیبرید الگوریتم ازدحام ذرات (مقاله پژوهشی)
علی اصغر آب نیکی ، حسن صیادی* ، محمد سعید سیف
چکیده:   (1418 مشاهده)
سامانه‌های سونار از جهات مختلفی از جمله کاربردهای نظامی، کشتیرانی، ماهی‌گیری و غیره دارای اهمیت ویژه هستند. از این‌رو طبقه‌بندی داده‌های سونار همواره مورد توجه متخصصان این حوزه می‌باشد. در این مقاله از دو روش آماده‌سازی داده استفاده شد. در روش اول از کل ویژگی‌های استخراج‌شده از داده‌ها و در روش پیشنهادی از بازه زمانی مورد استفاده برای استخراج ویژگی به‌صورت ده‌تایی میانگین‌گیری شد. ساختارهای مختلف شبکه عصبی مصنوعی و تلفیق شبکه عصبی با الگوریتم ازدحام ذرات (پی‌اِس‌اُو) برای دستیابی به بالاترین عملکرد در دسته‌بندی امواج صوتی منتشره شناورها براساس طول شناور مورد مقایسه قرار گرفتند. نتایج نشان دادند در حالت استفاده از ویژگی‌های استخراج‌شده به‌صورت خام در استفاده از شبکه عصبی مصنوعی، ساختار 2-2-2 در لایه پنهان دارای بالاترین عملکرد برای شرایط آموزش و آزمون برابر با 98/61 و 90 درصد بود. با استفاده از شبکه عصبی تلفیقی دقت طبقه‌بندی افزایش یافته و در شرایط آزمون به میزان 94/44 درصد رسید. در استفاده از روش پیشنهادی برای آماده‌سازی داده‌های استخراج‌شده، ساختار ساده یک‌لایه با شش نرون در لایه پنهان بالاترین میزان عملکرد در طبقه‌بندی ویژگی‌های استخراج‌شده به میزان 100 درصد برای آموزش و آزمون را ارائه داد.
 
 
واژه‌های کلیدی: سونار، دسته‌بندی شناور، شبکه عصبی، الگوریتم ازدحام ذرات.
متن کامل [PDF 947 kb]   (751 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: آوصوتیّات
دریافت: 1401/9/29 | پذیرش: 1401/11/5 | انتشار: 1401/12/28
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.