بهينه سازي شبكه عصبي كانولوشني عميق با استفاده از روش بيزين به‌منظور افزايش نرخ كشف غواص در حال غواصي با سامانه مدارباز

كشف سيگنال‌ مشخصه غواصان در حال غواصي با سامانه مدارباز، از ابعاد متعددي حائز اهميت است كه ازجمله مي‌توان به شناسايي غواصان متخاصم در صورت نفوذ به تأسيسات زيرآبي، هشدار ورود غواصان با مناطق آبزي‌پروري، جلوگيري از تصادم آن‌ها با شناورها و رصد كردن لحظه‌اي عمليات آن‌ها اشاره كرد. در اين مقاله از يك شبكه عصبي كانولوشني عميق بهينه شده با روش بيزين براي تشخيص غواصان بهره‌برداري مي‌شود. به منظور تطبيق مساله با شبكه عميق در نظر گرفته شده، پس از جمع‌آوري داده‌هاي موردنياز، از روش جستجوي بهينه‌ساز بيزين براي تنظيم دقيق فراپارامترهاي مهم، استفاده مي‌شود. پس از دستيابي به مقادير بهينه فراپارامترهاي مهم، از سه مدل الگوي بيزيني، Alexnet و Darknet19 براي طبقه‌بندي سيگنال‌ها در قالب دو كلاس غواص و غيرغواص استفاده مي‌شود؛ همان‌طور كه نتايج نشان مي‌دهد، روش جستجوي بيزيني، علاوه برافزايش دقت آموزش مدل، به‌طورقابل‌توجهي موجب صرفه‌جويي زمان محاسبه نسبت به مدل‌هاي معيار مي‌گردد. به‌طوري كه ميانگين مربع خطاي 0.00091977 درمجموع زماني 1772 ثانيه محاسبه مي گردد.روش جستجوي بيزيني، علاوه برافزايش دقت آموزش مدل، به طور قابل توجهي موجب صرفه جويي زمان محاسبه گرديده است. پس از دستيابي به مقادير بهينه فراپارامترهاي مهم، از سه مدل الگوي بيزيني، Alexnet و Darknet19 براي طبقه بندي سيگنال ها در قالب دو كلاس غواص و غيرغواص استفاده گرديد؛ كه نتايج هر سه مدل با دقت مطلوبي در آموزش و اعتبارسنجي همراه بود.