בינה מלאכותית
רשתות למידה עמוקה מבוססות תשומת לב יכולות לשפר את מערכות הסונאר
חוקרים בסין ובארצות הברית חקרו לאחרונה כיצד רשת עצבית עמוקה מבוססת קשב (ABNN) יכולה לסייע בשיפור מערכות סונאר.
המחקר פורסם ב- כתב העת של האגודה האקוסטית באמריקה מאת האגודה האקוסטית של אמריקה באמצעות הוצאת AIP.
קוניאן רן הוא מחבר שותף במחקר.
"מצאנו שה-ABNN היה מדויק מאוד בזיהוי מטרות, חורג מרשת נוירונים עמוקה קונבנציונלית, במיוחד כאשר משתמשים בנתונים מוגבלים של יעד יחיד כדי לזהות מטרות מרובות", אמר רן.
DNNs ו-ABNNs
למידה עמוקה, שהיא שיטת למידת מכונה המשתמשת ברשתות עצביות מלאכותיות הפועלות לזיהוי תבניות, מסתמכת על שכבות של נוירונים מלאכותיים (צמתים) הלומדים קבוצה ברורה של תכונות על סמך המידע הקיים בשכבה הקודמת.
רשתות עצביות עמוקות מבוססות קשב משתמשות במודול קשב כדי לחקות אלמנטים מסוימים בתהליך הקוגניטיבי בבני אדם. אלמנטים אלה עוזרים לנו להתמקד בחלקים החשובים ביותר של השפה, תמונה או דפוס אחר, תוך כדי כוונון השאר.
ABBNs משיגים זאת על ידי הוספת משקל נוסף לצמתים מסוימים, מה שמשפר רכיבי דפוס ספציפיים בתהליך למידת המכונה.
שילוב ABNN לתוך Sonar
על ידי שילוב מערכת ABNN בציוד סונאר לזיהוי ספינות ממוקד, צוות החוקרים הצליח לבדוק שתי ספינות באזור רדוד של 135 מייל רבוע בים סין הדרומי. התוצאות הושוו לרשת עצבית עמוקה רגילה (DNN), וציוד אחר כמו מכ"ם עזר לקבוע למעלה מ-17 כלי שיט מפריעים באזור שנבדק.
החוקרים גילו שה-ABNN מגדיל את התחזיות שלו ככל שהוא מתקדם לעבר התכונות שמתאימות באופן הדוק למטרות האימון. ככל שהרשת עוברת ללא הרף דרך מערך ההדרכה, הזיהוי הופך בולט יותר. זה מדגיש את הצמתים המשוקללים ומתעלם מנתונים לא רלוונטיים.
דיוק ה-ABNN של זיהוי ספינות A ו-B בנפרד היה מעט גבוה יותר מה-DNN, כאשר הראשונה השיגה 98% והאחרונה 97.4%. בכל הנוגע לדיוק ה-ABNN של זיהוי שתי הספינות באותה סביבה, הוא היה אפילו גבוה יותר, 74%, לעומת 58.4% של ה-DNN.
מודל ABNN מסורתי מאומן בדרך כלל עם נתוני ריבוי ספינות אם הוא משמש לזיהוי ריבוי יעדים. עם זאת, תהליך זה יכול להפוך במהירות ליקר ומורכב. בגלל זה, החוקרים אימנו את מודל ה-ABNN לזהות כל מטרה בנפרד. ככל ששכבת הפלט של הרשת מתרחבת, מערכי הנתונים של יעדים בודדים מתמזגים.
"הצורך לזהות מספר ספינות בו-זמנית הוא תרחיש נפוץ, והמודל שלנו עולה באופן משמעותי על DNN בזיהוי שתי ספינות באותה סביבה", אמר רן. "יתרה מכך, ה-ABNN שלנו התמקד בתכונות הטבועות של שתי הספינות בו זמנית."
