注意ベースのディープラーニングネットワークはソナーシステムを改善できる

中国とアメリカの研究者は最近、注意ベースのディープニューラルネットワーク（ABNN）がソナーシステムを改善する方法を探究した。

この研究は、アメリカ音響学会がAIPパブリッシングを通じて出版したアメリカ音響学会誌に掲載された。

Qunyan Renはこの研究の共著者である。

「私たちは、ABNNがターゲット認識において高い精度を示したことを発見し、特に限定されたシングルターゲットデータを使用して複数のターゲットを検出する場合には、従来のディープニューラルネットワークを上回った」とRenは述べた。

DNNとABNN

ディープラーニングは、パターンを認識するために人工ニューラルネットワークを使用する機械学習方法であり、前の層の情報に基づいて特定の特徴を学習する人工ニューロン（ノード）の層に依存する。

注意ベースのディープニューラルネットワークは、人間の認知プロセスにおける特定の要素を模倣するために注意モジュールを使用する。これらの要素は、言語、画像、またはその他のパターンの最も重要な部分に焦点を当て、残りを無視するのに役立つ。

ABNNは、特定のノードに重みを加えることでこれを実現し、機械学習プロセスにおける特定のパターン要素を強化する。

ABNNをソナーに組み込む

研究者は、ターゲット船の検出用のソナー装置にABNNシステムを組み込むことで、南シナ海の135平方マイルの浅い地域で2隻の船をテストすることができた。結果は、通常のディープニューラルネットワーク（DNN）と比較され、レーダーなどの他の装置もテスト地域にあった17隻の干渉船を検出するのに役立った。

研究者は、ABNNがトレーニング目標と密接に関連する特徴に近づくにつれて予測を高めることを発見した。ネットワークがトレーニングデータセットを繰り返しサイクルするにつれて、検出がより明確になり、このプロセスで加重ノードが強調され、無関係なデータが無視される。

ABNNは、船Aと船Bを個別に検出する精度が、DNNよりもわずかに高かった。前者は98％、後者は97.4％だった。ただし、ABNNは同じ近傍に存在する両方の船を検出する精度が、DNNの58.4％よりも高かった74％だった。

従来のABNNモデルは、複数のターゲットを識別するために、通常は複数の船のデータでトレーニングされる。しかし、このプロセスはすぐにコストがかかり、複雑になることがある。したがって、研究者はABNNモデルを個別のターゲットを検出するようにトレーニングした。ネットワークの出力層が拡張されると、個別のターゲットデータセットが結合される。

「同時に複数の船を検出する必要性は一般的なシナリオであり、私たちのモデルは同じ近傍に存在する2隻の船を検出する場合には、DNNを大幅に上回った」とRenは述べた。「さらに、私たちのABNNは2隻の船の固有の特徴に同時に焦点を当てた」。