Центр сопряженного мониторинга окружающей среды и природных ресурсов
«Мониторинг. Наука и технологии» Рецензируемый и реферируемый научно-технический журнал
Меню раздела «МНТ»
ГЛАВНАЯ
цели и задачи
Перечень ВАК
ВЫПУСКИ
2023
2022
2021
2020
2019
2018
2017
выпуск №1
выпуск №2
статья #01
статья #02
статья #03
статья #04
статья #05
статья #06
статья #07
статья #08
статья #09
статья #10
статья #11
статья #12
выпуск №3
выпуск №4
2016
2015
2014
2013
2012
2011
2010
2009
все выпуски
АВТОРАМ
этика
порядок рецензирования
правила для авторов
ПОДПИСКА
О ЖУРНАЛЕ
главный редактор
редакционный совет
редакционная коллегия
документы
свидетельство
issn
ENG
Меню разделов
ГЛАВНАЯ
Раздел: «ЦЕНТР»
Раздел: «МНТ»
Раздел: «СБОРНИК»
Раздел: «MST»

Пятакович В.А., Василенко А.М., Алексеев О.А.
Формирование обучающей выборки нейросетевой классификации морских технических объектов
Sampling a training set to classify sea technical objects using a neural network
УДК:
623.98:534.222:004.93'1
Аннотация:
В статье приводятся результаты очередного этапа научных исследований авторов по вопросу создания системы мониторинга морских акваторий на основе разработок нелинейной просветной гидроакустики с использованием нейросетевых технологий. Многочисленные эксперименты по обучению нейронных сетей показали, что совокупное использование алгоритма локальной оптимизации, процедуры «выбивания» сети из локального минимума и процедуры увеличения числа нейронов приводит к успешному обучению нейронных сетей. Показано что решение задач: имитации мгновенного расположения распознаваемого объекта и параметров его движения; имитации климатической изменчивости вертикального распространения скорости звука в воде и параметров гидроакустических полей с использованием базы данных типичных кривых вертикального распределения скорости звука; имитации информационных потоков, возникающих в ситуациях «приемник - источник»; разработки модуля управления имитационной моделью; оценки адекватности модели; оптимизации имитационной модели, позволит сформировать выборку с необходимым количеством данных для обучения нейронных сетей. В рамках данной работы созданы алгоритмическая основа и программный комплекс, позволяющий успешно провести обучение нейроклассификатора достаточно высокой эффективности. Результаты научных разработок авторов по данной тематике защищены патентами, изданы в виде монографий и отражены в статьях.
Ключевые
слова:
классификация морских объектов, нечёткая логика, нейронные сети, нейро-нечеткие модели, системы автоматического управления, обучающие алгоритмы нейронных сетей
Abstracts:
The paper discusses creation a monitoring system for marine areas based on non-linear rear-illuminated tracing hydroacoustics using neural network technology. Numerous experiments on training of neural networks showed that cumulative local optimization algorithm, "knocking out" the network of local minimum and procedures for increasing the number of neurons result in successful learning of neural networks. The following tasks were formulated for decision: simulating instant location of recognized object and its movement parameters; simulation of climatic variability of vertical distribution for speed of sound in water and sonar settings of fields using a database of typical vertical distribution curves of the speed of sound; simulation of information flows that occur in situations of «receiver - source»; development of module for control of simulation model; assessing the adequacy of the model; optimizing the simulation model. Solving these problems gives possibility to form a sample with a sufficient amount of data for training neural networks. Algorithmic basis and software package have been produced for successful training the neuro-qualifier of high efficiency. Results of scientific researches of authors on this subject are protected by patents, issued in the form of monographs and reflected in scientific papers.
Keywords:
сlassification of sea objects, fuzzy logic, neural networks, neuro-fuzzy models, automatic control systems, training algorithms of neural networks

Текст статьи Текст статьи
352,2 кБ
Скачать

вернуться к списку статей

Авторы статьи:
ПЯТАКОВИЧ
Валерий Александрович
pva.877com@mail.ru
кандидат технических наук, доцент, начальник научно-исследовательской лаборатории Тихоокеанского высшего военно-морского училища имени С.О.Макарова
ВАСИЛЕНКО
Анна Михайловна
kahunya@gmail.com
кандидат технических наук, научный сотрудник научно-исследовательской лаборатории Тихоокеанского высшего военно-морского училища имени С.О.Макарова
АЛЕКСЕЕВ
Олег Адольфович
кандидат технических наук, доцент, старший научный сотрудник научно-исследовательской лаборатории Тихоокеанского высшего военно-морского училища имени С.О. Макарова
Список литературы:
1.
Дорогов А.Ю. Сколько примеров требуется для обучения нейронной сети? // Нейроинформатика и ее приложения: Матер. VIII Всерос. сем. Красноярск, 2000. С. 59-60.
2.
Каллан Р. Основные концепции нейронных сетей: Пер. с англ. М.: Изд. «Вильямс». 2001. 290 с.
3.
Клименчук И.Н., Петухов В.И. Статистическая климатическая модель поля скорости звука для прикладных гидроакустических исследований. Подход с использованием ЭВМ // ТОВВМУ им. С.О.Макарова: Тез. докл. Владивосток. 1989. Т.1. С. 35-36.
4.
Матвиенко В.Н., Тарасюк Ю.Ф. Дальность действия гидроакустических средств. Л.: Судостроение. 1981. 208 с.
5.
Пятакович В.А. Технологии нелинейной просветной гидроакустики и нейро-нечетких операций в задачах распознавания морских объектов [Текст]: монография / В.А. Пятакович, А.М. Василенко, М.В. Мироненко. Владивосток: ДВФУ. 2016. 190 с.
6.
Пятакович В.А. Предварительная обработка информации нейроноподобным категоризатором при распознавании образов морских объектов [Текст] / В.А. Пятакович, А.М. Василенко // Подводное морское оружие. 2017. № 1 (32). С. 31-34.
7.
Пятакович В.А. Математическая модель распознавания и классификации морского объекта, реализующая аппарат нечетких множеств [Текст] / В.А. Пятакович, А.М. Василенко, Н.В. Пятакович // Интернет-журнал «Науковедение» Т. 9. №1 (2017), http: //naukovedenie.ru/PDF/49TVN117.pdf
8.
Пятакович В.А. Нейросетевые архитектуры для решения задач классификации информационных полей морских объектов, методика их обучения [Текст] / В.А. Пятакович, А.М. Василенко, М.В. Мироненко // Интернет-журнал «Науковедение» Т. 9. №2 (2017). http://naukovedenie.ru/PDF/54TVN217.pdf
 
МНТ Выпуски 2017 Выпуск №2 Статья #06
© ООО «ЦСМОСиПР», 2024
Все права защищены
  +7(926) 067-59-67
  +7(928) 962-32-60