Оптимальные и адаптивные методы классификации гидроакустических сигналов для морских интеллектуальных систем

В статье рассмотрены обстоятельства, обусловившие необходимость разработки принципиально новых методов и средств, основанных на подсветке среды сигналами низкой звуковой частоты, обеспечивающих обнаружение акустически слабозаметных объектов, на дальних дистанциях, которые согласно результатам их испытаний, могут быть использованы при обнаружении малошумных объектов перспективными морскими интеллектуальными системами распознавания и классификации. Рассмотрена задача целенаправленной предобработки обучающей выборки для ускорения обучения нейронной сети. Рассмотрен метод извлечения обучающих выборок, который обеспечивает сохранение в сформированной подвыборке важнейших топологических свойств исходной выборки, не требуя при этом загрузки в память электронно-вычислительной машины исходной выборки, а также многочисленных проходов исходной выборки, что позволяет сократить объём выборки и уменьшить требования к ресурсам электронно-вычислительных машин. The article discusses the circumstances that necessitated the development of the fundamentally new methods and tools for the long-range detection of acoustically low-observable objects. According to the results of their tests, those methods and tools can come in handy when detecting low-noise objects by means of advanced marine intelligent recognition and classification systems. The problem of optimal data preprocessing for faster neural network training is explored. Considered a method of training samples is offered. It maintains saving the important topological properties of the original sample in a formed sub-sample, and does not require download of the original sample to the computer memory, and the numerous passages of the original sample. This reduces the size of the sample and reduces the resource requirements of a computer.