Bu tədqiqat, gəmilərdən yayılan akustik siqnalları düşük hesablama tutumsine sahip sualtı platformalarında sinifləndirmək üçün FADD-Net adlı fizik bilgili və hafif bir sinir şəbəkəsi təklif edir. Model; ham sesleri 128 Mel bandından yaranan log-Mel spektroqramlarına dönüştürmekte, uzunmüddətli mekanik periyotları Fourier sahəsindaki Qlobal Tezlik Konvolyusiya Bloku ilə süzmekte və geçici pervane kavitasiya zərbəleri ilə sabit makine xətt spektrlərinı Çox Mütəxəssisli Zaman-Tezlik Ayrışdırması modulü üzərindən fərqli yönlerde işlemektedir. DeepShip məlumat kümesinde model, yalnızca 0,66 milyon parametre və 110,05 milyon FLOP ilə 3, 5 və 10 saniyəlik kesitlerde ardıcıllıqsıyla %75,04, %77,17 və %77,96 dəqiqlik elde etmiştir. Bununla belə nəticələr kamuya açık məlumat kümeleri və masaüstü GPU təcrübələriyle məhduddur; gerçek zamanlı gömülü cihaz, avtonom sualtı aracı və ya deniz denemesi strukturlmamıştır.

FADD-Net’in təməl yeniliği, akustik spektroqramı ardıcıllıqdan bir görüntü gibi eyni yönde işlemek yerine zaman və tezlik eksenlerinin fərqli fiziksel anlamlarını mimariye yansıtmasıdır. Zaman ekseni qısamüddətli kavitasiya zərbəlerini və enerji değişimlerini, tezlik oxu isə maşın titrəyişlərinden doğan darzolaqlı xətt spektrlərinı daşıyır. Model, bu iki strukturyı yönsel və anizotrop konvolyusiyalerle ayrı uzman dallarına yönlendirmekte; ardından koordinat diqqətiyle hangi zaman aralığı və tezlik bandının sinifləndirmə açistilikndan daha mühüm olduğunu yeniden şəbəkəırlıklandırmaktadır.

DeepShip üzərindəki ana təcrübələrde FADD-Net, araşdırılan bütün kesit müddətlerinde ən yüksək doğruluğu vermiştir. ResNet-18’in 11,17 milyon parametresine qarşılık 0,66 milyon parametre kullanarak təxminən 16,9 kat daha kiçik bir model oluşturmuş; 3 saniyəlik kesitlerde ResNet-101’in %74,69’luk doğruluğunu %75,04 ilə aşmıştır. ShipsEar məlumat kümesine köçürmə öyrənməsinde isə %81,07 test doğruluğu elde ederek en yaxınn müqayisə modellerinin %74,27’lik sonucunu 6,80 yüzde puan aşmıştır. Lakin real okean səs-küyünün 5 dB olduğu şərtda ConvNeXt-Tiny’nin %56,20’lik doğruluğu, FADD-Net’in %53,93’lük sonucundan daha yüksektir; bu nedenle model her səs-küy şərtunda mutlak kimi üstün değildir.

Türkiyə baxımından: FADD-Net yaklaşımı; Türkiyə’nin Karadeniz, Marmara, Ege və Akdeniz’deki liman izleme sistemleri, avtonom sualtı araçları, deniz trafiği araşdırmaları, çevresel akustik gözlem və açık deniz enerji tesislerinin çevresel inamliği gibi alanlarda dəyərlendiriləbilir. Türkiyədə uygulanmadan əvvəl yerli gəmi tipleri, liman səs-küysü, sığ su çox yollu yayılmaı, değişken deniz durumu, biyolojik sesler və fərqli hidrofon sistemleriyle ayrı məlumat kümeleri oluşturulmalı; model gerçek gömülü prosessorlerde gecikme, enerji istehlaxın və yaddaş istifadəsi açistilikndan sınanmalıdır. Tədqiqatdan Türkiyə denizlerinde birbaşa kullanılabiləcek hazır bir sonar sistemi, gerçek zamanlı operasyon garantisi və ya bütün gəmi tipleri üçün inamılir sinifləndirmə sonucu çıqarılamaz.

Araşdırmanın təməl problemi nedir?

Pasif sonar sistemleri, çevreye aktif akustik siqnal göndermeden sualtındaki mənbəların yaydığı sesleri dinler. Gemi sinifləndirməsında təməl bilgi kaynşəbəkəı, gəmi makineleri, pervaneler və hidrodinamik axınş tarafından üretilən gəmi mənşəli səs-küydür. Bu sesler hədəfin sinifına ilişkin bilgi taşımakla birlikte okyanus ortamında səs-küy, çox yollu yayılma və değişken tədqiqat şərtlərı nedeniyle kolayca bozulmaktadır.

Tədqiqat iki problemu eyni anda ele almaktadır:

• Akustik hədəfe ait zəif və ayırt edici işaretlerin yoğun mühit səs-küyüden ayrılması.
• Bu ayrımın enerji və işlem tutumsi məhdud avtonom sualtı platformalarında çalışabiləcek kadar kiçik bir modelle gerçekleştirilmesi.

Ağır Transformer və ya derin konvolyusiyali modeller geniş qlobal kontekstı öğrenebilse də milyonlarca parametre və yüksek işlem maya dəyərii gerektirmektedir. Çok kiçik modeller isə işlem maya dəyəriini azaltırken gəmiye özgü qarmaşık zaman-tezlik strukturlarını yeterince ayıramayabilmektedir. FADD-Net, bu dəqiqlik-səmərəlilik çatışmasını fiziksel ses istehsal mekanizmalarını birbaşa şəbəkə mimarisine yansıtarak çözmeyi amaçlamaktadır.

Gemi qaynaqlı ses hangi fiziksel komponentlərden oluşmaktadır?

Tədqiqat, gəmi mənşəli akustik səs-küyyü üç təməl komponent üzərindən açıklamaktadır:

• Makine vibrasiyaleri: Dizel motor, şaft, dişli və yardımcı makineler xüsusilə düşük tezliklarda sabit və darzolaqlı xətt spektrləri oluşturur.
• Pervane kavitasiyau: Pervane çevresindeki sıxma düşüşlerinin kabarcık üretmesi və bu kabarcıkların çökmesi, genişzolaqlı və zaman üçünde zərbəli bir enerji strukturu meydana getirir.
• Hidrodinamik səs-küy: Gövde çevresindeki axınş və türbülans daha çox yüksek tezliklı, müddətkli və düzensiz komponentlər üretir.

Bu komponentlərin spektroqram üzərindəki geometriləri fərqlidır. Kararlı makine harmonikleri zaman boyunca devam eden yatay çizgiləre, qısamüddətli kavitasiya olayları isə belirli zaman noktalarında geniş tezlik bantlarına yayılan dikey və ya lokal enerji kümelerine benzeyebilir. Standart 3 × 3 konvolyusiyaler bu iki ekseni eyni fiziksel strukturya sahipmiş gibi işler və komponentlərin birbirine qarışmasına yol açabilir.

Neden ham ses yerine log-Mel spektroqramı istifadə edilmişdir?

Ham zaman dalğası bütün siqnal bilgisini korusa da hədəfe ait düzenlerin deniz səs-küysü altında birbaşa ayırt edilmesi güçtür. FADD-Net, siqnalın zaman üçünde hangi tezliklarda enerji taşıdığını gösteren iki boyutlu log-Mel spektroqramlarını kullanmaktadır.

İlk kimi qısa zamanlı Fourier çevrilməsiyle her zaman çərçivəsinin güç spektru P(t,k) hesablanmışdır. Ardından fiziksel tezlik Mel şkalasıne çevrilmişdir:

\[ \operatorname{Mel}(f) = 2595\log_{10}\left(1+\frac{f}{700}\right) \]

• f, hertz cinsinden fiziksel tezliktır.
• Mel(f), insan işitme sisteminin düşük tezliklarda daha yüksək ayırdetmə göstermesini təxminən kimi temsil eden Mel dəyəridir.

Tədqiqatda 128 adet örtüşen üçgensel Mel filtri istifadə edilmişdir. Her filtrenin güç spektruna uyguladığı şəbəkəırlıklı toplam bu şəgildə məlumatlmiştir:

\[ M(t,m)=\sum_k P(t,k)H_m(k), \quad m\in[1,128] \]

• t, zaman çərçivəsidir.
• k, qısa zamanlı Fourier çevrilməsindeki tezlik kutusudur.
• H_m(k), m numaralı Mel filtrinin k tezlik kutusundaki şəbəkəırlığıdır.
• M(t,m), ilgili zaman və Mel bandındaki süzülmüş enerjidir.

Enerjinin dinamik aralığını sıxmak və güclü arka planın altında kalan zəif xətt spektrlərinı görünür hâle getirmek üçün logaritmik çevrilmə tətbiq edilmişdir:

\[ L(t,m)=10\log_{10}\left(M(t,m)+\delta\right) \]

Burada δ = 10⁻⁶, sıfır dəyərinin logaritmasının alınmasını önleyen kiçik pozitif sabittir. Ağın girdisi 1 × 128 × T boyutlu log-Mel tensörüdür; 128 tezlik bantlarını, T isə segment uzunluğuna bşəbəkəlı zaman çərçivəlerini temsil etmektedir.

Ses məlumatlari nasıl ön işlenmiştir?

• Bütün kayıtlar 16 kHz nümunəleme sürətina çevrilmişdir.
• Nyquist-Shannon ilişkisine görə 8 kHz altındaki tezliklar saxlanmışdır.
• Kısa zamanlı Fourier çevrilməünde 50 ms Hann pəncərəsi istifadə edilmişdir.
• Ardışık pencereler arasındaki ilərleme 25 ms kimi müəyyən edilmişdir.
• 128 Mel filtri tətbiq edilmişdir.
• Son temsil logaritmik dB ölçeğine çevrilmiştir.

Tədqiqatın yorumuna görə 16 kHz’e yeniden nümunəleme, gəmi seslerinin bilgi taşıyan 0-8 kHz bandını qoruyurken daha yüksek tezliklı hidrodinamik səs-küynün bir bölümünü dışarıda bırakmaktadır. Lakin bu tercih, 8 kHz üzərindəki olası hədəf bilgisinin kullanılmadığı anlamına gelir.

FADD-Net’in genel mimarisi nasıldır?

Şegil 2’də gösterilən mimari, log-Mel spektroqramından gəmi sinifına kadar aşşəbəkəıdaxın axınşı izlemektedir:

1. İki qatlı başlanğıc bloku, kanal sayistiliknı artırır və ilk uzamsal küçültmeyi gerçekleştirir.
2. Qlobal Tezlik Konvolyusiya Bloku, xüsusiləri Fourier sahəsinda süzer.
3. Dört aşamalı arxitektura gövdəsi, kanal sayistiliknı təxminən 32’den 80’e doğru kademeli kimi artırır.
4. Her aşamada Çox Mütəxəssisli Zaman-Tezlik Ayrışdırması birimleri təməl özellik çıqarıcı kimi çalışır.
5. Koordinat Diqqəti, zaman və tezlik yönlerindeki mühüm bölgeleri yeniden şəbəkəırlıklandırır.
6. Birinci və üçüncü aşama arasında qısa yol keçidsı, ince akustik ayrıntıların kaybolmasını azaltır.
7. Qlobal Kontekst Bloku, uzak zaman-tezlik noktaları arasındaki ilişgiləri birleştirir.
8. Sınıflandırma başlığı, xüsusiləri gəmi kategorisi olasılıklarına dönüştürür.

Omurga aşamalarından əvvəl istifadə edilən ARN modulü, səs-küy baskılama ilə zəif hədəf enerjisini koruma arasında uyarlanabilir denge kurmayı amaçlamaktadır. ARN’nin ayrıntılı mimarisi bu tədqiqatda baştan tanımlanmamış, əvvəlki araşdırmaya atıf strukturlmıştır.

Qlobal Tezlik Konvolyusiya Bloku ne yapmaktadır?

Qlobal Tezlik Konvolyusiya Bloku (Frequency Convolutional Block, FCB), standart konvolyusiyain yalnızca kiçik komşulukları görəbilmesi problemunu Fourier sahəsina geçerek aşmayı amaçlamaktadır. Gemi motoru və pervane ritimleri uzun zaman aralıklarına yayılan periyodik modulasyonlar yarada bilər. FCB, tüm spektroqram boyunca bu düzenleri tek işlemde dəyərlendirebilən küresel bir algı alanı sşəbəkəlar.

Giriş özellik xəritəsı:

\[ \mathbf{X}\in\mathbb{R}^{C\times H\times W} \]

Burada C kanal sayistiliknı, H tezlik boyutunu və W zaman boyutunu temsil eder. İlk aşamada iki boyutlu gerçek sürətli Fourier çevrilməsi uygulanır:

\[ \widetilde{\mathbf{X}}=\mathcal{F}_{2D}(\mathbf{X}) \]

Gerçek dəyərli girdilərin Hermit simmetriyasısi istifadə edilərək zaman yönündeki Fourier çıktistiliknın təxminən yaristilik saklanır. Elde edilən kompleks spektr, real və xəyali bölümleri öğreniləbilən qarmaşık şəbəkəırlık tensörüyle eleman bazında çarpılır:

\[ \mathbf{Y}=\widetilde{\mathbf{X}}\odot\mathbf{W} \]

Ağırlıkların düşük modulasyon tezliklarına yoğunlaşması, yavaş değişen və periyodik gəmi ritimlerinin güçlendirilmesi; düzensiz, sürətli değişen səs-küynün isə azaltılması biçiminde yorumlanmaktadır.

Süzülmüş xüsusilər tərs Fourier çevrilməsiyle zaman-tezlik düzlemine geri taşınır:

\[ \mathbf{X}_{filtered}=\mathcal{F}_{2D}^{-1}(\mathbf{Y}) \]

Yerel ayrıntıların kaybolmasını və təlim qararsızlığını önlemek üçün özgün özellik xəritəsı qalıq keçidyla eklenir:

\[ \mathbf{X}_{out}=\mathbf{X}+\mathbf{X}_{filtered} \]

FCB’nin teorik qarmaşıklığı təxminən kimi:

\[ \mathcal{O}\left(CHW\log(HW)\right) \]

şeklindedir. Bu dəyər, bütün zaman-tezlik noktaları arasında birbaşa ilişki kuran standart öz-diqqətin kuadratik maya dəyəriinden daha düşüktür.

Çox Mütəxəssisli Zaman-Tezlik Ayrışdırması modulü nasıl tədqiqatktadır?

Multi-Expert Time-Frequency Decoupling (METFD) modulü, girdiyi üç özel uzman dalına ayırmaktadır:

Giriş əvvəl 1 × 1 konvolyusiyale C kanaldan 2C kanala genişletilmektedir. Zaman uzmanı tezlik oxunde havuzlama yaparak 2C × 1 × W boyutlu zaman izleri, tezlik mütəxəssisi zaman oxunde havuzlama yaparak 2C × H × 1 boyutlu spektral izler, ortaq mütəxəssis isə küresel orta havuzlamayla 2C × 1 × 1 bşəbəkəlam vektörü üretmektedir.

Üç uzman çıktistilik eleman bazında toplanmakta, 1 × 1 izdüşümle tekrar C kanala indirilmekte və koordinat diqqətinden geçirilmektedir:

\[ \mathbf{Y}=\mathbf{X}+\operatorname{CoordAtt}\left(F_{proj}\left(E_t(\mathbf{X}')\oplus E_f(\mathbf{X}')\oplus E_j(\mathbf{X}')\right)\right) \]

Burada E_t, E_f və E_j ardıcıllıqsıyla zaman, tezlik və ortaq mütəxəssisları; ⊕ isə eleman bazında toplamayı göstərir. Artık keçid, ayrıştırma ardıcıllıqsında özgün yerli bilgilərin tamamen kaybolmasını önlemektedir.

Koordinat diqqəti neden lazımlıdir?

Birçox diqqət mexanizmi iki boyutlu özellik xəritəsını tek bir kanal dəyərine indirger. Bu yaklaşım “hangi kanal mühümdir?” sualsunu yanıtlasa da mühüm işaretin hangi zamanda və hangi tezlikta bulunduğunu siləbilir.

Koordinat Diqqəti, zaman və tezlik eksenlerini ayrı ayrı havuzlar:

• Bir vektör her tezlik bandının zaman boyunca orta əhəmiyyətini daşıyır.
• Diğer vektör her zaman çərçivəsinin tezliklar boyunca orta əhəmiyyətini daşıyır.

Bu iki yönsel temsil birleştirilir, 1 × 1 konvolyusiya və doğrusal olmayan çevrilməlerden geçirilir, ardından tekrar zaman və tezlik şəbəkəırlıklarına ayrılır. Son özellik:

\[ \widehat{\mathbf{U}}=\mathbf{U}\odot A_h\odot A_w \]

biçiminde oluşturulur. A_h tezlik yönündeki, A_w zaman yönündeki diqqət şəbəkəırlıklarını temsil eder. Böylece model hem belirli bir çizgi spektrunun tezlik konumunu hem də qısamüddətli kavitasiya olayının zaman konumunu koruyabilir.

Qlobal Kontekst Bloku ne sşəbəkəlamaktadır?

METFD və koordinat diqqəti yerli və yönsel xüsusiləri işlerken, Qlobal Kontekst Bloku fərqli zaman-tezlik bölgelerinden gelen bilgiləri tek bşəbəkəlamda toplar. Giriş özellik xəritəsından 1 × 1 konvolyusiya və Softmax ilə uzamsal diqqət maskesi oluşturulur. Düzleştirilmiş xüsusilərle maske çarpılarak kanal başına qlobal kontekst vektörü hesaplanır:

\[ \mathbf{V}_{gc}=\mathbf{V}+\mathbf{W}_v\left(\mathbf{V}_{flat}\mathbf{M}^{T}\right) \]

Bu temsil daha sonra kanal genişletme, küresel orta havuzlama, dropout və doğrusal sinifləndirmə qatına gönderilir.

METFD neden standart 3 × 3 konvolyusiyaden daha hafiftir?

Standart 3 × 3 konvolyusiyain təxminən işlem maya dəyərii:

\[ \mathcal{O}(9C^2HW) \]

kimi məlumatlmiştir. METFD’nin toplam maya dəyərii isə:

\[ \mathcal{O}_{METFD}=\mathcal{O}\left(4C^2HW+42CHW+4C^2(H+W+1)\right) \]

şeklinde hesablanmışdır. H + W dəyərinin genellikle HW çarpımından çox kiçik olması nedeniyle ana maya dəyəri 4C²HW teriminden gelmektedir. Tədqiqatçılar bu strukturnın standart 3 × 3 konvolyusiyae görə FLOP sayistiliknı %50’den fazala azalttığını belirtmektedir.

Bu teorik hesap, gerçek cihazdaki gecikmeyi və ya enerji istehlaxınni birbaşa ölçmez. Fourier çevrilməünün, yaddaş erişiminin və belirli donanım sürətlandırıcılarının tətbiq maya dəyərii FLOP sayistilikndan fərqli olabilir.

DeepShip məlumat kümesi nasıl istifadə edilmişdir?

DeepShip, Ocean Networks Canada tarafından sşəbəkəlanan toplam 47 saat 4 dəqiqəlık gerçek sualtı kaydını içermektedir. Veri kümesindeki 265 fərqli gəmi dört geniş sinifa ayrılmışdır:

• Yük gəmisi
• Yolcu gəmisi
• Tanker
• Römorkör

Kayıtlar 3, 5 və 10 saniyəlik kesitlere ayrılmışdır. Üç və beş saniyəlik kesitlerde örtüşmesiz bölme, 10 saniyəlik kesitlerde isə yetərli nümunə sayistiliknı korumak amacıyla 5 saniyəlik örtüşme istifadə edilmişdir.

Önemli metodoloji tercih, bölmenin kesitler üzərindən rastgele değil özgün ses dosyası kimlikleri üzərindən strukturlmasıdır. Aynı uzun kayda ait benzer mühit səs-küyünün hem təlim hem test dəstine düşmesi böylece önlenmeye çalışılmıştır. Eğitim, doğrulama və test nisbəti təxminən 8:1:1’dir və her sinif üçün istifadə edilən özgün dosya kimlikleri tədqiqatın Tablo 2’sinde açıkça listelenmiştir.

ShipsEar məlumat kümesi nasıl düzenlenmiştir?

ShipsEar, İspanya’nın kuzeybatı Atlantik kıyistiliknda kaydedilən 90 ses kaydı və təxminən üç saatlik məlumat içermektedir. Veri kümesindeki 11 gəmi türü və mühit səs-küyü, literatürde istifadə edilən beş üst sinifa ayrılmışdır:

Kayıtlar örtüşmesiz 5 saniyəlik kesitlere ayrılmış və toplam 2.094 nümunə yaradılmışdır:

• Eğitim: 1.709 nümunə
• Doğrulama: 228 nümunə
• Test: 157 nümunə

ShipsEar’ın kiçik olması nedeniyle bu məlumat kümesi, DeepShip üzərində əvvəlden eğitilən modellerin fərqli akustik ortama aktarımını dəyərləndirmək üçün istifadə edilmişdir.

Model hangi ölçütlerle dəyərləndirilmişdir?

Genel dəqiqlik:

\[ \operatorname{Accuracy}=\frac{\sum_{k=1}^{K}TP_k}{N} \]

kimi hesablanmışdır. TP_k, k sinifındaki doğru müsbət nümunələri; N toplam nümunə sayistiliknı ifade eder.

Sınıf başına dəqiqlik və həssaslıq:

\[ P_k=\frac{TP_k}{TP_k+FP_k} \]

\[ R_k=\frac{TP_k}{TP_k+FN_k} \]

biçimindedir. Sınıfların nümunə sayistilik fərqli olduğu üçün Macro-F1 həmçinin istifadə edilmişdir:

\[ \operatorname{Macro-F1}=\frac{1}{K}\sum_{k=1}^{K}\frac{2P_kR_k}{P_k+R_k} \]

Macro-F1 her sinifa eşit şəbəkəırlık məlumatr. Həmçinin öğreniləbilir parametr sayı və FLOP dəyəri hesablama və yaddaş gereksinimlerinin təxminən göstəriciləri kimi raporlanmıştır.

DeepShip təlim ayarları nelerdir?

Beş saniyəlik kesitler, sonraxın ablasiya, səs-küyə dayanıqlılıq və görselleştirme təcrübələrinin ana ayarı kimi seçilmiştir. Tədqiqatçılar bu müddətnin mekanik modulasyon dövrlərini yakalamak üçün yetərli, 10 saniyəlik girdiləre görə isə daha az hesablama yüklü olduğunu belirtmektedir.

Ana model müqayisəsı ne göstərir?

Tablo 3’te bütün modeller eyni log-Mel girdiləri və eyni təlim hattıyla sıfırdan eğitilmiştir. FLOP dəyərləri 3 saniyəlik giriş ayarı üçün məlumatlmiştir.

FADD-Net, bütün kesit müddətlerinde ən yüksək doğruluğu elde etmiştir. En güclü hafif müqayisəlardan EfficientNet-B0’a görə dəqiqlik farkları 3 saniyəde 1,61, 5 saniyəde 3,13 və 10 saniyəde 0,79 yüzde puandır. FADD-Net, EfficientNet-B0’ın parametre bütçesinin təxminən %16,5’ini kullanmaktadır; lakin FLOP dəyəri 3 saniyəlik girişte EfficientNet-B0’dan təxminən %10 daha yüksektir. Bu nedenle model her hesablama ölçütünde en kiçik değildir.

ResNet-101’in doğruluğu 3 saniyəde %74,69 iken 10 saniyəde %68,90’a düşmüşdür. FADD-Net isə giriş müddəti uzadıkça %75,04’ten %77,96’ya yüksəlmişdir. Tədqiqatçılar bu farkı böyük izotropik modellerin uzun kayıtlardaki arka plan səs-küysüne aşırı uyum göstermesiyle ilişgiləndirmektedir. Bununla belə tədqiqat, bu mekanizmayı fərqli təlim tekrarları və ya bşəbəkəımsız aşırı uyum ölçmələriyle birbaşa sınamamıştır.

FADD-Net’in hafifliği nasıl yorumlanmalıdır?

• ResNet-18’e görə parametr sayı təxminən 16,9 kat daha düşüktür.
• ResNet-18’e görə 3 saniyəlik girdide FLOP sayistilik təxminən %74,2 daha azdır.
• ResNet-101’e görə parametr sayı təxminən 64 kat daha düşüktür.
• ResNet-101’e görə FLOP sayistilik təxminən %94,2 daha azdır.
• UATFSNet, 0,03 milyon parametreyle FADD-Net’ten çox daha kiçiktür; lakin doğruluğu aydın biçimde düşüktür.
• EfficientNet-B0, FADD-Net’ten daha düşük FLOP dəyərine sahiptir; lakin daha fazala parametre kullanmaktadır.

Bu nedenle FADD-Net “en kiçik model” değil, tədqiqatda ölçülen dəqiqlik ilə model boyutu arasında güclü bir denge kuran modeldir.

Ablation təcrübələri hangi modullarin mühüm olduğunu göstərir?

Beş saniyəlik ana ayarda her seferinde bir komponent kaldırılmış və ya geleneksel ekvivalentiyle değiştirilmiştir:

En böyük dəqiqlik kaybı koordinat diqqətinin kaldırılmasında yaranmışdır. Bu nəticə, mühüm zaman və tezlik konumlarının korunmasının yalnızca kanal şəbəkəırlıklandırmasından daha dəyərli olduğunu desteklemektedir. FCB’nin kaldırılması 2,33 yüzde puanlık kayba yol açmış və uzunmüddətli periyodik bilgilərin töhfəsinı göstərmişdir.

METFD’nin standart 3 × 3 konvolyusiyale değiştirilmesi doğruluğu düşürürken işlem maya dəyəriini 228,70 milyondan 566,59 milyon FLOP’a yükseltmiştir. Bu tapıntı, yönsel ayrıştırmanın eyni anda hem daha doğru hem daha hesablama səmərəli olabiləceğini göstərir.

Ablation cədvəlsundaki tam model doğruluğu %76,94’tür; ana müqayisə cədvəlsundaki 5 saniyə doğruluğu isə %77,17’dir. Tədqiqatda bu 0,23 yüzde puanlık farkın fərqli təlim çalıştırmalarından mənbəlanıp mənbəlanmadığı açıklanmamış və tekrarlar arası standart sapma məlumatlmemiştir.

Hangi konvolyusiya çekirdeği birleşimi en iyi sonucu vermiştir?

METFD’nin zaman və tezlik yönlerindeki nüvə boyutları ayrı ayrı denenmiştir. En yüksek dəqiqlik, zaman yönünde 1 × 3 və tezlik yönünde 3 × 1 çekirdeğin birleşiminde %76,53 kimi ölçülmüşdür.

1 × 1 nüvəler yerli bşəbəkəlamı yakalamakta yetersiz qalmışdır. Çekirdeklerin 5 uzunluğuna çıqarılması isə kısa kavitasiya zərbəlerini fazala yumuşatmış və ya ayrı harmonikleri genişzolaqlı səs-küyyle birleştirmiş olabilir. Bu yorum, performans eğilimleri və gəmi seslerinin fiziksel geometrisi üzərindən strukturlmıştır; zərbəlerin gerçek zaman və bant genişlikleri ayrı ölçülmemiştir.

Üç uzman dalının birlikte kullanılması ne kazandırmıştır?

Tek bir fiziksel komponente odaklanmak bütün gəmi sinifləri üçün yetərli değildir. Zaman, tezlik və ortak bşəbəkəlamın birleştirilmesi doğruluğu təxminən 2,4-3,5 yüzde puan artırmışdır. Genişletilmiş konvolyusiyaler, parametr sayını mühüm ölçüde büyütmeden daha geniş iki boyutlu bşəbəkəlam yakalayarak ek 0,81 yüzde puan kazandırmıştır.

Model sentetik səs-küy altında nasıl davranmıştır?

İlk səs-küy təcrübəinde temiz test siqnallarıne −5 dB ilə 20 dB arasında töhfəlı şəbəkə Gauss səs-küyü eklenmiştir. FADD-Net, araşdırılan bütün sentetik səs-küy düzeylerinde müqayisə modellerinden daha yüksek dəqiqlik eğrisi göstərmişdir.

ConvNeXt-Tiny −5 dB’də təxminən %30,4 dəqiqlik qoruyurken FADD-Net’in eğrisi bunun üzərində qalmışdır. Lakin şəgil üzərindəki bütün noktaların kesin sayısal dəyərləri cədvəl kimi məlumatlmediğinden qrafikten okunan ara dəyərlərin kesin nəticə gibi kullanılması uygun değildir.

Gerçek okean səs-küyü altında nəticələr nasıldır?

İkinci səs-küy təcrübəinde ShipsEar Sınıf E’den alınan gerçek okyanus arka planı DeepShip test nümunələrine eklenmiştir. Bu ortam, beyaz səs-küyden daha düzensiz və zamanla değişen bir strukturya sahiptir.

• −5 dB’də ResNet-50 doğruluğu %22,29’a düşmüşdür.
• −5 dB’də EfficientNet-B0 doğruluğu %23,35’e düşmüşdür.
• 5 dB’də ConvNeXt-Tiny %56,20 ilə FADD-Net’in %53,93 dəyərini geçmiştir.
• FADD-Net 10 dB’den itibaren bütün müqayisə modellerini aşmıştır.
• 20 dB’də FADD-Net %76,31, ConvNeXt-Tiny isə %71,63 dəqiqlik vermiştir.

Bu nəticə, FADD-Net’in orta və yüksek siqnal-səs-küy nisbətlarında fiziksel harmonikleri ayırmada avantajlı olduğunu; lakin aşırı qarmaşık gerçek səs-küy şərtlərində böyük bir modelin məhdud bir bölgede daha yüksek nəticə verebildiğini göstərir. Tədqiqatın “üstün səs-küyə dayanıqlılıq” iddiası bu istisna diqqəte alınarak yorumlanmalıdır.

Karışıklık matrisleri hangi siniflərin zor olduğunu göstərir?

FADD-Net yük gəmisi, sərnişin gəmisi və yedək gəmisi siniflərinda iyiləşmiş; tankerlerde dört yüzde puan geriləmiştir. Tanker nümunələrinin %15’i yük gəmisi, %8’i sərnişin gəmisi kimi təsnifatlandırılmışdır. Yük gəmilərinin tanker kimi qarıştırılma nisbəti EfficientNet-B0’da %24 iken FADD-Net’te %19’a düşmüşdür.

Römorkörlerin %17’si sərnişin gəmisi kimi təsnifatlandırılmışdır. Tədqiqatın fiziksel yorumuna görə yüksek devirli və yük altında çalışan yedək gəmisi pervaneleri, kiçik yolcu gəmilərindekine benzeyen güclü yüksek tezliklı kavitasiya ritimleri üretebilir. Yük gəmiləri ilə tankerler isə düşük sürətda çalışan böyük kommersiya gəmilər oldukları üçün benzer düşük tezliklı makine harmoniklerine sahiptir.

t-SNE görselleştirmesi ne göstərir?

Şegil 12, xüsusilərin şəbəkə üçünde ilərledikçe nasıl ayrıştığını göstərir:

• Ham girdide dört gəmi sinifının noktaları böyük ölçüde iç içedir.
• Başlangıç konvolyusiyalerinden sonra bir miqdar açılma oluşsa da sinif sınırları belirsizdir.
• METFD çıkışında siniflər arası mesafe artmakta və sinif içi yayılım daralmaktadır.
• Son özellik uzayında dört daha aydın küme oluşmaktadır.

Römorkör kümesi yüksek tezliklı kavitasiya xüsusiləri nedeniyle daha aydın ayrılırken yük gəmisi və tanker kümeleri birbirine yaxınn qalmışdır. t-SNE, yüksek boyutlu xüsusilərin iki boyutlu görsel izdüşümüdür; kümelerin görünümü tek başına genelleme və ya nedensellik kanıtı değildir.

Grad-CAM xəritəları modelin neye baktığını göstərir?

Grad-CAM görsellerinde tezlik alanı üç bölgeye ayrılmışdır:

• Düşük tezlik: 0-100 Hz
• Orta tezlik: 100-1000 Hz
• Yüksek tezlik: 1-8 kHz

Yük və tanker siniflərinda diqqət, düşük və orta tezliklardaki müddətkli yatay çizgiləre yoğunlaşmıştır. Bunlar şəbəkəır makinelerin sabit mekanik harmonikleriyle ilişgiləndirilmiştir. Yolcu gəmisi və yedək gəmisilərde isə yüksek tezliktaki yerli və kesikli enerji blokları daha aydındir; bunlar sürətli pervane dönüşleri və kavitasiya zərbəleriyle açıklanmıştır.

Görseller, şəbəkəın yalnızca məlumat kümesine özgü arka plan desenlerini değil, fiziksel kimi anlamlı ses bölgelerini kullandığı yorumunu desteklemektedir. Bununla belə Grad-CAM aşşəbəkəı ayırdetməlü bir əhəmiyyət xəritəsıdır və belirli bir fiziksel kaynşəbəkəın nedensel kimi tanımlandığını sübut etmir.

ShipsEar köçürmə öyrənməsi nasıl strukturlmıştır?

DeepShip’in 5 saniyəlik məlumatlariyle əvvəlden eğitilən model ShipsEar’a aktarılmıştır. Beş siniflı yeni sinifləndirmə başlığı oluşturulmuş və fərqli sığ su ortamına uyum sşəbəkəlaması üçün FCB yeniden başlatılmıştır.

Önceden eğitilmiş arxitektura gövdəsiya düşük, yeni qatlara daha yüksek öğrenme nisbəti məlumatlmesi əvvəlki akustik bilgiyi qoruyurken yeni ortama uyum sşəbəkəlamayı amaçlamaktadır.

Veri kümeleri arası aktarım nəticələri nelerdir?

FADD-Net, en yaxınn nəticələr olan ResNet-34 və CFTANet’i 6,80 yüzde puan geçmiştir. Tədqiqatçılar bu farkı Fourier filtresinin ortama özgü düzensiz səs-küyyü azaltmasına və METFD’nin çevreden bşəbəkəımsız mekanik harmoniklerle kavitasiya ritimlerini ayırmasına bşəbəkəlamaktadır.

ShipsEar test dəstinde yalnızca 157 segment bulunduğu üçün tek bir örneğin sonucu təxminən 0,64 yüzde puan değiştirebilir. Tədqiqatda etibar intervalı və ya fərqli məlumat bölmeleriyle tekrar raporlanmadığından %81,07 sonucu məhdud test nümunəlemi bşəbəkəlamında dəyərlendirilmelidir.

Tədqiqatın güclü yönleri nelerdir?

• Ağ mimarisi gəmi seslerinin fiziksel istehsal mekanizmalarıyla ilişgiləndirilmiştir.
• Zaman və tezlik eksenleri eyni özellikmiş gibi işlenmek yerine ayrı uzman dallarında dəyərləndirilmişdir.
• DeepShip bölmesi özgün dosya kimlikleri üzərindən strukturlarak kesit sızıntistilik azaltılmıştır.
• Üç fərqli ses müddəti, iki məlumat kümesi və fərqli model ailəleri qarşılaştırılmıştır.
• Doğruluk yanında Macro-F1, parametre və FLOP dəyərləri raporlanmıştır.
• Her təməl modul ablasiya təcrübələriyle ayrı ayrı dəyərləndirilmişdir.
• Sentetik və real okean səs-küyü ayrı test edilmiştir.
• Karışıklık matrisleri, t-SNE və Grad-CAM ilə model davranışı görselleştirilmiştir.
• FADD-Net, kiçik model boyutuyla şəbəkəır modelleri geçmiştir.
• DeepShip’ten ShipsEar’a məlumat kümeleri arası aktarım sınanmıştır.

Tədqiqatın məhdudlıkları nelerdir?

• Tədqiqat rəyçi qiymətləndirməsindən keçməmiş preprintdir.
• Model gerçek bir avtonom sualtı aracı, passiv sonar cihazı və ya gömülü prosessorde çalıştırılmamıştır.
• Çıqarım gecikmesi, gerçek zamanlı qare sürəti, RAM istifadəsi və watt cinsinden enerji istehlaxın raporlanmamıştır.
• FLOP və parametre sayıları gerçek donanım performansının yalnızca təxminən göstəriciləridir.
• Deneylerin tek çalıştırma mı yoksa birden fazala rastgele tohum ortası mı olduğu açıklanmamıştır.
• Standart sapma, etibar intervalı və ya istatistiksel anlamlılık testi məlumatlmemiştir.
• DeepShip və ShipsEar belirli coğrafi, hidrofon və gəmi dşəbəkəılımlarını temsil etmektedir; bütün deniz ortamlarına genellenemez.
• ShipsEar test dəsti yalnızca 157 beş saniyəlik nümunəten oluşmaktadır.
• Gerçek okean səs-küyünde 5 dB şərtunda FADD-Net en iyi model değildir.
• Tanker doğruluğu EfficientNet-B0’a görə %78’den %74’e düşmüşdür.
• Yük gəmisi-tanker və yedək gəmisi-sərnişin gəmisi qarışıklığı devam etmektedir.
• 10 saniyəlik nümunəlerde eyni dosya üçünde 5 saniyəlik örtüşme istifadə edilmişdir; bölmeler arasında sızıntı engellense də eyni bölme üçünde nümunə bşəbəkəımlılığı artabilir.
• ARN modulünün bütün mimari ayrıntıları bu mətnde yeniden məlumatlmemiştir.
• Qaynaq kodu, model şəbəkəırlıkları və tam təcrübə strukturlandırması üçün erişim keçidsı sunulmamıştır.
• Veri artırma üsulleri ayrıntılı biçimde açıklanmamıştır.
• Model deniz memeliləri, çevresel olaylar və ya bilinmeyen hədəf sinifləri üzərində sınanmamıştır.
• Yanlış siqnal, açıq çoxluq tanıma və paylanmadan kənar nümunə reddetme performansı dəyərlendirilmemiştir.

Tədqiqat neyi desteklemektedir?

• Fizik bilgili zaman-tezlik ayrıştırmasının kiçik model boyutuyla rekabetçi sinifləndirmə sşəbəkəlayabiləceğini desteklemektedir.
• FCB, METFD və koordinat diqqətinin her birinin doğruluğa ölçülebilir töhfə sunduğunu göstərir.
• FADD-Net’in DeepShip üzərində araşdırılan müqayisə modellerinden daha yüksek dəqiqlik verdiğini göstərir.
• FADD-Net’in DeepShip’ten ShipsEar’a aktarımda yüksek test doğruluğu sşəbəkəlayabildiğini göstərir.
• Yönsel və anizotrop işlemlerin standart 3 × 3 konvolyusiyae görə daha düşük FLOP ilə daha yüksek dəqiqlik sşəbəkəlayabiləceğini göstərir.
• Model qararlarının bazı gəmi siniflərinda fiziksel kimi anlamlı tezlik və zaman bölgeleriyle örtüştüğünü desteklemektedir.

Tədqiqat neyi sübut etmir?

• Modelin gerçek deniz görəvlerinde eyni dəqiqlikla çalışacşəbəkəını sübut etmir.
• 0,66 milyon parametrenin otomatik kimi düşük enerji istehlaxın və ya gerçek zamanlı tədqiqat sşəbəkəlayacşəbəkəını sübut etmir.
• FADD-Net’in bütün səs-küy seviyelerinde bütün modellerden üstün olduğunu göstermemektedir.
• Modelin bilinmeyen gəmi türlerini inamli biçimde reddedebildiğini sübut etmir.
• Hidrofon yerleşimi, derinlik, hava şərtlərı və dəniz dibi fərqlilıklarından bşəbəkəımsız olduğunu göstermemektedir.
• Askerî və ya sivil bir sonar sisteminde operasyonel inamılirlik, sertifikasyon və ya saha başaristilik sunmamaktadır.
• Grad-CAM bölgelerinin birbaşa belirli makine və ya pervane komponentlərine ait olduğunu kesin kimi sübut etmir.

Tədqiqatın Yöntemi və Bulguları

Araşdırma tasarımı

Araşdırma, kamuya açık iki sualtı akustik məlumat kümesi üzərində denetimli sinifləndirmə, model müqayisəsı, ablasiya analizi, səs-küyə dayanıqlılıq testi, köçürmə öyrənməsi və özellik görselleştirmesi içeren eksperimental maşın öyrənməsi tədqiqatsıdır.

Girdi və çıktı

FADD-Net təməl modullari

• İki qatlı konvolyusiyali başlanğıc bloku
• Qlobal Tezlik Konvolyusiya Bloku
• Dört aşamalı hafif arxitektura gövdəsi
• ARN dengeleme modulü
• Çox Mütəxəssisli Zaman-Tezlik Ayrışdırması
• Koordinat Diqqəti
• Aşamalar arası kısa yol
• Qlobal Kontekst Bloku
• Dropout düzenlemeli sinifləndirmə başlığı

Ana nəticələrin teknik özeti

Modül töhfəlarının özeti

• Koordinat Diqqəti kaldırıldığında dəqiqlik 3,22 yüzde puan düşmüşdür.
• FCB kaldırıldığında dəqiqlik 2,33 yüzde puan düşmüşdür.
• METFD standart 3 × 3 konvolyusiyale değiştirildiğinde dəqiqlik 1,61 yüzde puan düşmüş və FLOP dəyəri təxminən 2,48 kat artmışdır.
• ARN kaldırıldığında dəqiqlik 0,48 yüzde puan düşmüşdür.
• Aşamalar arası kısa yol kaldırıldığında dəqiqlik 0,69 yüzde puan düşmüşdür.

Tekrarlanabilirlik açistilikndan əskik bilgilər

• Rastgele tohumlar
• Tekrarlı təcrübələrin sayistilik
• Sonuçların standart sapması
• Qaynaq kodu və model şəbəkəırlıkları
• Tam məlumat artırma strukturlandırması
• ARN’nin əskiksiz tətbiq ayrıntistilik
• Gömülü donanım çıqarım müddəti
• Gerçek güç və yaddaş ölçmələri

Gerçek saha tətbiqsına geçiş üçün lazımlı adımlar

• Farklı hidrofon və kayıt sistemleriyle yeni deniz məlumat kümeleri yaradılması
• Farklı derinlik, dəniz dibi və çox yollu yayılma şərtlərində test
• Yşəbəkəmur, dalğa, biyolojik ses, liman və endüstri səs-küysünün dəyərlendirilmesi
• Bilinmeyen hədəf və açıq çoxluq tanıma testləri
• Avtonom sualtı aracındaki gömülü prosessorde gerçek zamanlı çıqarım
• Watt cinsinden güç və megabayt cinsinden yaddaş ölçməü
• Uzun müddətli deniz denemesi
• Yanlış siqnal, gecikme və inamılirlik analizi
• Farklı ülke və deniz bölgelerinden bşəbəkəımsız məlumatyle xarici doğrulama

Mənbə və Metod Qeydi

Tədqiqatın özgün adı: FADD-Net: Integrating Global Frequency Filtering and Directional Spectro-Temporal Decoupling for Lightweight Underwater Acoustic Target Recognition

Yazarlar: Chen Liang; Zailəi Luo; Dongchen Tian; Ziyu Yan; Jing Xu; Xionghui Li.

Yazar ardıcıllıqlaması: Yuqarıdaki liste tədqiqatdaki özgün müəllif ardıcıllıqsını korumaktadır.

Eş birinci müəllif: Tədqiqatda eş birinci müəllif və ya eş töhfə beyanı bulunmamaktadır.

Sorumlu müəlliflər: Jing Xu və Xionghui Li.

Sorumlu müəllif e-postaları: jxu-optics@zju.edu.cn; wananmotianlun@foxmail.com.

Kurumlar:

• Ocean College, Zhejiang University, Zhoushan 316021, Çin.
• Advanced Interdisciplinary Technology Research Center, National Innovation Institute of Defense Technology, Pekin 100071, Çin.
• School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, Çin.

DOI:10.2139/ssrn.7202166

Resmî yayım platformaası: SSRN.

Resmî tədqiqat keçidsı:SSRN tədqiqat sayfası

Yayın tarihi: 29 Temmuz 2026.

Yayın yılı: 2026.

Dergi: Bu sürüm üçün belirli bir hakemli jurnal adı və ya kabul bilgisi yer almamaktadır.

Yayınevi: Hakemli jurnal nəşriyyat təsdiqlənməmişdir. Metinde “Preprint submitted to Elsevier” ifadesi bulunmakta, lakin belirli bir Elsevier jurnalsi belirtilmemektedir.

Qaynaq türü: Kamuya açık məlumat kümeleri üzərində eksperimental maşın öyrənməsi və müqayisəlı model dəyərləndirməsi içeren preprint araşdırma makalesi.

Hakemlik durumu: Bu tədqiqat rəyçi qiymətləndirməsindən keçməmiş preprintdir; tapıntılar bu məhdudlık diqqəte alınarak okunmalıdır.

Finansman: Finansman bilgisi bu sürümde yer almamaktadır.

Çıqar çatışması: Çıqar çatışması beyanı bu sürümde yer almamaktadır.

Veri erişimi: DeepShip və ShipsEar açık məlumat kümeleri istifadə edilmişdir; lakin tədqiqatın eğitilmiş model şəbəkəırlıkları, mənbə koduu və təcrübə çıktı dosyaları üçün keçid məlumatlmemiştir.

Bu Türkçe açıklama; yüklenen 25 sayfalık tədqiqatın metni, tənlikleri, model şemaları, məlumat cədvəlları, performans qrafikleri, ablasiya nəticələri, səs-küy təcrübələri, qarışıklık matrisleri, t-SNE dşəbəkəılımları və Grad-CAM xəritəları incelenerek hazırlanmışdır. Tədqiqatda bulunmayan bilimsel nəticələr eklenmemiştir. Dış mənbə kontrolü yalnızca DOI, SSRN kayıt tarihi və nəşr durumu gibi bibliyoqrafik bilgilərin doğrulanması amacıyla strukturlmıştır.

Tədqiqatın təməl sınırı, “gerçek zamanlı və enerji kistiliktlı platformalara uygunluk” iddiasının parametre və FLOP hesaplarına dayanmasıdır. Gerçek bir gömülü sistemde gecikme, yaddaş, enerji istehlaxın və ya deniz görəvi performansı ölçülmemiştir. Həmçinin bşəbəkəımsız təcrübə tekrarları və istatistiksel inam aralıkları məlumatlmediğinden kiçik dəqiqlik farklarının sabitlığı doğrulanamamaktadır.