بهینه سازی شبکه عصبی کانولوشنی عمیق با استفاده از روش بیزین به منظور افزایش نرخ کشف غواص در حال غواصی با سامانه مدارباز
کشف سیگنال مشخصه غواصان در حال غواصی با سامانه مدارباز، از ابعاد متعددی حایز اهمیت است که ازجمله می توان به شناسایی غواصان متخاصم در صورت نفوذ به تاسیسات زیرآبی، هشدار ورود غواصان با مناطق آبزی پروری، جلوگیری از تصادم آن ها با شناورها و رصد کردن لحظه ای عملیات آن ها اشاره کرد. در این مقاله از یک شبکه عصبی کانولوشنی عمیق بهینه شده با روش بیزین برای تشخیص غواصان بهره برداری می شود. به منظور تطبیق مساله با شبکه عمیق در نظر گرفته شده، پس از جمع آوری داده های موردنیاز، از روش جستجوی بهینه ساز بیزین برای تنظیم دقیق فراپارامترهای مهم، استفاده می شود. پس از دستیابی به مقادیر بهینه فراپارامترهای مهم، از سه مدل الگوی بیزینی، Alexnet و Darknet19 برای طبقه بندی سیگنال ها در قالب دو کلاس غواص و غیرغواص استفاده می شود؛ همان طور که نتایج نشان می دهد، روش جستجوی بیزینی، علاوه برافزایش دقت آموزش مدل، به طورقابل توجهی موجب صرفه جویی زمان محاسبه نسبت به مدل های معیار می گردد. به طوری که میانگین مربع خطای 00091977/0 درمجموع زمانی 1772 ثانیه محاسبه می گردد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.