Ин таҳқиқот барои таснифи сигналҳои акустикие, ки аз киштиҳо паҳн мешаванд, дар платформаҳои зериобии дорои иқтидори маҳдуди ҳисоббарорӣ шабакаи нейронии сабук ва ба дониши физикӣ такякардаи FADD-Net-ро пешниҳод мекунад. Модел аудиои хомро ба спектрограммаҳои log-Mel аз 128 банди Mel табдил медиҳад, давриятҳои механикии дарозмуддатро тавассути Блоки Конволютсияи Басомади Глобалӣ дар соҳаи Fourier филтр мекунад ва импулсҳои муваққатии кавитатсияи винтро бо спектрҳои хаттии устувори мошинӣ тавассути модули Ҷудокунии Вақт-Басомади Бисёрмутахассис дар самтҳои гуногун коркард менамояд. Дар маҷмӯи додаҳои DeepShip модел бо ҳамагӣ 0,66 миллион параметр ва 110,05 миллион FLOP барои буридаҳои 3, 5 ва 10 сония мутаносибан ба дақиқии %75,04, %77,17 ва %77,96 расидааст. Бо вуҷуди ин, натиҷаҳо бо маҷмӯи додаҳои кушода ва озмоишҳои GPU-и мизи корӣ маҳдуданд; санҷиши дастгоҳи дарунсохти вақти воқеӣ, воситаи автономии зериобӣ ё озмоиши баҳрӣ гузаронида нашудааст.

Навоварии асосии FADD-Net дар он аст, ки спектрограммаи акустикиро мисли тасвири оддӣ дар як самт коркард намекунад, балки маъноҳои физикии гуногуни меҳварҳои вақт ва басомадро ба меъморӣ ворид мекунад. Меҳвари вақт импулсҳои кӯтоҳмуддати кавитатсия ва тағйироти энергияро, меҳвари басомад бошад спектрҳои хаттии тангбандеро, ки аз ларзиши мошинҳо ба вуҷуд меоянд, интиқол медиҳад. Модел ин ду сохторро бо конволютсияҳои самтдор ва анизотропӣ ба шохаҳои алоҳидаи мутахассис равона мекунад; сипас бо диққати координатӣ дубора вазн медиҳад, ки кадом фосилаи вақт ва кадом банди басомад барои тасниф муҳимтар аст.

Дар озмоишҳои асосӣ дар DeepShip, FADD-Net дар ҳамаи давомнокиҳои буридаи таҳқиқшуда баландтарин дақиқиро нишон додааст. Дар муқоиса бо ResNet-18, ки 11,17 миллион параметр дорад, он 0,66 миллион параметр истифода бурда, модели тақрибан 16,9 маротиба хурдтар сохтааст; дар буридаҳои 3 сония натиҷаи ResNet-101 бо дақиқии %74,69-ро бо %75,04 гузаштааст. Дар омӯзиши интиқолӣ ба маҷмӯи додаҳои ShipsEar бошад, ба дақиқии тестии %81,07 расида, натиҷаи %74,27-и наздиктарин моделҳои муқоисавиро 6,80 банди фоизӣ гузаштааст. Аммо дар шароити садои воқеии уқёнус бо 5 dB, дақиқии %56,20-и ConvNeXt-Tiny аз натиҷаи %53,93-и FADD-Net баландтар аст; аз ин рӯ модел дар ҳар шароити садо мутлақан бартар нест.

Аз нигоҳи Туркия: Равиши FADD-Net метавонад дар низомҳои назорати бандарҳо дар Баҳри Сиёҳ, Мармара, Эгей ва Баҳри Миёназамин, воситаҳои автономии зериобӣ, таҳқиқоти ҳаракати баҳрӣ, мониторинги акустикии муҳити зист ва амнияти экологии иншооти энергетикии офшорӣ дар Туркия арзёбӣ шавад. Пеш аз татбиқ дар Туркия бояд бо намудҳои маҳаллии киштиҳо, садои бандар, паҳншавии чандмасира дар обҳои камчуқур, ҳолати тағйирёбандаи баҳр, садоҳои биологӣ ва низомҳои гуногуни гидрофонӣ маҷмӯи додаҳои ҷудогона сохта шаванд; модел низ бояд дар протсессорҳои воқеии дарунсохт аз рӯи таъхир, масрафи энергия ва истифодаи хотира санҷида шавад. Аз ин таҳқиқот наметавон хулоса кард, ки барои баҳрҳои Туркия низоми тайёри сонар, кафолати кори вақти воқеӣ ё натиҷаи боэътимоди тасниф барои ҳамаи намудҳои киштӣ мавҷуд аст.

Мушкилоти асосии таҳқиқот чист?

Низомҳои сонари пассивӣ бидуни фиристодани сигнали фаъоли акустикӣ ба муҳит садоҳоеро мешунаванд, ки манбаъҳои зериобӣ паҳн мекунанд. Дар таснифи киштиҳо манбаи асосии иттилоот садои аз киштӣ пайдошаванда мебошад, ки онро мошинҳои киштӣ, винтҳо ва ҷараёни гидродинамикӣ тавлид мекунанд. Гарчанде ин садоҳо дар бораи синфи ҳадаф иттилоот доранд, дар муҳити уқёнусӣ аз сабаби садо, паҳншавии чандмасира ва шароити тағйирёбандаи корӣ ба осонӣ вайрон мешаванд.

Таҳқиқот ҳамзамон ду мушкилро баррасӣ мекунад:

• Ҷудо кардани нишонаҳои заиф ва фарқкунандаи ҳадафи акустикӣ аз садои шадиди муҳит.
• Иҷрои ин ҷудокуниро бо модели он қадар хурд, ки дар платформаҳои автономии зериобии дорои маҳдудияти энергия ва иқтидори ҳисоббарорӣ кор карда тавонад.

Моделҳои вазнини Transformer ё конволютсионии амиқ метавонанд контексти васеи глобалиро омӯзанд, аммо миллионҳо параметр ва хароҷоти баланди ҳисоббарориро талаб мекунанд. Моделҳои хеле хурд бошанд, ҳангоми коҳиш додани хароҷоти ҳисоббарорӣ метавонанд сохторҳои мураккаби вақт-басомади хоси киштиро ба қадри кофӣ ҷудо накунанд. FADD-Net кӯшиш мекунад ин ихтилофи дақиқӣ-самаранокиро бо инъикоси мустақими механизмҳои физикии тавлиди садо дар меъмории шабака ҳал намояд.

Садои аз киштӣ пайдошаванда аз кадом ҷузъҳои физикӣ иборат аст?

Таҳқиқот садои акустикии аз киштӣ пайдошавандаро тавассути се ҷузъи асосӣ шарҳ медиҳад:

• Ларзишҳои мошинӣ: Муҳаррики дизелӣ, вал, фишанг ва мошинҳои ёрирасон махсусан дар басомадҳои паст спектрҳои хаттии устувор ва тангбанд тавлид мекунанд.
• Кавитатсияи винт: Пастшавии фишор дар атрофи винт ҳубобчаҳо ба вуҷуд меорад ва фурӯпошии ин ҳубобчаҳо сохтори энергияи васеъбанд ва импулсии вақтӣ ташкил мекунад.
• Садои гидродинамикӣ: Ҷараён ва турбулентнокӣ дар атрофи корпус бештар ҷузъҳои басомади баланд, пайваста ва номунтазам тавлид мекунанд.

Геометрияи ин ҷузъҳо дар спектрограмма фарқ мекунад. Гармоникаҳои устувори мошинӣ метавонанд ба хатҳои уфуқии дар тӯли вақт идомадошта, ҳодисаҳои кӯтоҳмуддати кавитатсия бошад ба кластерҳои амудӣ ё маҳаллии энергия, ки дар нуқтаҳои муайяни вақт ба диапазони васеи басомад паҳн мешаванд, монанд бошанд. Конволютсияҳои стандартии 3 × 3 ин ду меҳварро гӯё сохтори физикии яксон доранд коркард мекунанд ва метавонанд боиси омехта шудани ҷузъҳо гарданд.

Чаро ба ҷойи садои хом спектрограммаи log-Mel истифода шудааст?

Гарчанде мавҷи хоми вақт ҳамаи иттилооти сигналро нигоҳ медорад, фарқ кардани мустақими намунаҳои ҳадаф зери садои баҳрӣ душвор аст. FADD-Net спектрограммаҳои дученакаи log-Mel-ро истифода мебарад, ки нишон медиҳанд сигнал бо гузашти вақт дар кадом басомадҳо энергия дорад.

Аввал бо табдили кӯтоҳвақтаи Fourier спектри қувваи P(t,k) барои ҳар чаҳорчӯбаи вақт ҳисоб шудааст. Сипас басомади физикӣ ба миқёси Mel табдил дода шудааст:

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

• f, басомади физикӣ бо герц мебошад.
• Mel(f), қимати Mel аст, ки тақрибан ҳассосияти баланди низоми шунавоии инсонро дар басомадҳои паст ифода мекунад.

Дар таҳқиқот 128 филтри секунҷаи ҳампӯшандаи Mel истифода шудааст. Ҷамъи вазндори ҳар филтр, ки ба спектри қувва татбиқ мешавад, чунин дода шудааст:

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

• t, чаҳорчӯбаи вақт мебошад.
• k, қуттии басомад дар табдили кӯтоҳвақтаи Fourier мебошад.
• H_m(k), вазни филтри Mel-и рақами m дар қуттии басомади k мебошад.
• M(t,m), энергияи филтршуда дар вақти дахлдор ва банди Mel мебошад.

Барои фишурдани диапазони динамикии энергия ва намоён кардани спектрҳои хаттии заиф, ки зери заминаи қавӣ мемонанд, табдили логарифмӣ истифода шудааст:

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

Дар ин ҷо δ = 10⁻⁶, доимии хурди мусбат аст, ки аз гирифтани логарифми арзиши сифр пешгирӣ мекунад. Вуруди шабака тензори log-Mel-и андозаи 1 × 128 × T мебошад; 128 бандҳои басомадро, T бошад чаҳорчӯбаҳои вақтро вобаста ба дарозии сегмент ифода мекунад.

Додаҳои садоӣ чӣ гуна пешкоркард шудаанд?

• Ҳамаи сабтҳо ба суръати намунагирии 16 kHz табдил дода шудаанд.
• Мувофиқи муносибати Nyquist-Shannon басомадҳои поёнтар аз 8 kHz нигоҳ дошта шудаанд.
• Дар табдили кӯтоҳвақтаи Fourier равзанаи Hann-и 50 ms истифода шудааст.
• Қадами байни равзанаҳои пайдарпай 25 ms муайян шудааст.
• 128 филтри Mel татбиқ шудааст.
• Намоиши ниҳоӣ ба миқёси логарифмии dB табдил дода шудааст.

Мувофиқи тафсири таҳқиқот, намунагирии дубора ба 16 kHz банди иттилоотии 0-8 kHz-и садои киштӣ нигоҳ дошта, қисми садои гидродинамикии басомади баландтарро хориҷ мекунад. Аммо ин интихоб маънои онро дорад, ки иттилооти эҳтимолии ҳадаф болотар аз 8 kHz истифода намешавад.

Меъмории умумии FADD-Net чӣ гуна аст?

Меъморие, ки дар Расми 2 нишон дода шудааст, аз спектрограммаи log-Mel то синфи киштӣ ҷараёни зеринро пайгирӣ мекунад:

1. Блоки ибтидоии дуқабата шумораи каналҳоро зиёд карда, хурдкунии аввалини фазоиро иҷро мекунад.
2. Блоки Конволютсияи Басомади Глобалӣ хусусиятҳоро дар соҳаи Fourier филтр мекунад.
3. Пояи чорзинагӣ шумораи каналҳоро тадриҷан аз тақрибан 32 то 80 зиёд мекунад.
4. Дар ҳар зина воҳидҳои Ҷудокунии Вақт-Басомади Бисёрмутахассис ҳамчун истихроҷгари асосии хусусият амал мекунанд.
5. Диққати Координатӣ минтақаҳои муҳими самтҳои вақт ва басомадро дубора вазн медиҳад.
6. Пайвасти кӯтоҳ байни зинаҳои якум ва сеюм талаф ёфтани ҷузъиёти нозуки акустикиро кам мекунад.
7. Блоки Контексти Глобалӣ робитаҳои байни нуқтаҳои дури вақт-басомадро муттаҳид мекунад.
8. Сари тасниф хусусиятҳоро ба эҳтимолияти категорияҳои киштӣ табдил медиҳад.

Модули ARN, ки пеш аз зинаҳои поя истифода мешавад, барои барқарор кардани тавозуни мутобиқшаванда байни фурӯ нишондани садо ва нигоҳ доштани энергияи заифи ҳадаф пешбинӣ шудааст. Меъмории муфассали ARN дар ин таҳқиқот аз нав шарҳ дода нашуда, ба таҳқиқоти қаблӣ истинод шудааст.

Блоки Конволютсияи Басомади Глобалӣ чӣ мекунад?

Блоки Конволютсияи Басомади Глобалӣ (Frequency Convolutional Block, FCB) мехоҳад маҳдудияти конволютсияи стандартиро, ки танҳо ҳамсоягиҳои хурдро мебинад, бо гузариш ба соҳаи Fourier бартараф кунад. Ритмҳои муҳаррик ва винти киштӣ метавонанд модулятсияҳои даврии дар фосилаҳои дароз паҳншаванда ба вуҷуд оранд. FCB майдони қабули глобалиро таъмин мекунад, ки ин тарҳҳоро дар тамоми спектрограмма бо як амал арзёбӣ карда метавонад.

Харитаи хусусияти вурудӣ:

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

Дар ин ҷо C шумораи каналҳо, H андозаи басомад ва W андозаи вақтро ифода мекунад. Дар марҳилаи аввал табдили зуди воқеии дученакаи Fourier татбиқ мешавад:

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

Бо истифода аз симметрияи Эрмитии вурудҳои воқеӣ, тақрибан нисфи баромади Fourier дар самти вақт нигоҳ дошта мешавад. Спектри комплексии бадастомада бо тензори вазни комплексӣ, ки қисмҳои воқеӣ ва мавҳумаш омӯзишпазиранд, элемент ба элемент зарб карда мешавад:

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

Тамаркузи вазнҳо ба басомадҳои пасти модулятсия ҳамчун тақвияти ритмҳои оҳиста тағйирёбанда ва даврии киштӣ ва коҳиши садои номунтазаму зудтағйирёбанда тафсир мешавад.

Хусусиятҳои филтршуда бо табдили баръакси Fourier ба ҳамвории вақт-басомад баргардонда мешаванд:

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

Барои пешгирии аз даст рафтани ҷузъиёти маҳаллӣ ва ноустувории омӯзиш, харитаи хусусияти аслӣ бо пайвасти боқимонда илова мешавад:

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

Мураккабии назариявии FCB тақрибан:

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

мебошад. Ин арзиш аз хароҷоти квадратии self-attention-и стандартӣ, ки байни ҳамаи нуқтаҳои вақт-басомад робитаи мустақим месозад, пасттар аст.

Модули Multi-Expert Time-Frequency Decoupling чӣ гуна кор мекунад?

Модули Multi-Expert Time-Frequency Decoupling (METFD) вурудро ба се шохаи махсуси мутахассис тақсим мекунад:

Вуруд аввал бо конволютсияи 1 × 1 аз C канал ба 2C канал васеъ мешавад. Мутахассиси вақт бо pooling дар меҳвари басомад пайҳои вақти андозаи 2C × 1 × W, мутахассиси басомад бо pooling дар меҳвари вақт пайҳои спектралии андозаи 2C × H × 1 ва мутахассиси умумӣ бо global average pooling вектори контексти 2C × 1 × 1 тавлид мекунад.

Баромади се мутахассис элемент ба элемент ҷамъ шуда, бо проексияи 1 × 1 боз ба C канал паст карда мешавад ва аз диққати координатӣ мегузарад:

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

Дар ин ҷо E_t, E_f ва E_j мутаносибан мутахассисони вақт, басомад ва умумиро; ⊕ бошад ҷамъкунии элемент ба элементро нишон медиҳад. Пайвасти боқимонда аз пурра аз даст рафтани иттилооти маҳаллии аслӣ ҳангоми ҷудокунии сохторҳо пешгирӣ мекунад.

Чаро диққати координатӣ лозим аст?

Бисёр механизмҳои диққат харитаи хусусияти дученакаро ба як арзиши канал фишурда мекунанд. Ин равиш ба саволи «кадом канал муҳим аст?» ҷавоб медиҳад, аммо метавонад иттилооти он ки нишонаи муҳим дар кадом вақт ва кадом басомад қарор дорад, нест кунад.

Диққати Координатӣ меҳварҳои вақт ва басомадро алоҳида pooling мекунад:

• Як вектор аҳамияти миёнаи ҳар як банди басомадро дар тӯли вақт нигоҳ медорад.
• Вектори дигар аҳамияти миёнаи ҳар як чаҳорчӯбаи вақтро дар тамоми басомадҳо нигоҳ медорад.

Ин ду намояндагии самтдор якҷо шуда, аз конволютсияи 1 × 1 ва табдилҳои ғайрихаттӣ мегузаранд, сипас боз ба вазнҳои вақт ва басомад ҷудо мешаванд. Хусусияти ниҳоӣ:

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

ба вуҷуд меояд. A_h вазнҳои диққат дар самти басомад ва A_w вазнҳои диққат дар самти вақтро ифода мекунад. Ҳамин тавр модел метавонад ҳам ҷойгиршавии басомадии спектри хаттии муайян ва ҳам ҷойгиршавии вақти ҳодисаи кӯтоҳмуддати кавитатсияро нигоҳ дорад.

Блоки Контексти Глобалӣ чӣ медиҳад?

Дар ҳоле ки METFD ва диққати координатӣ хусусиятҳои маҳаллӣ ва самтдорро коркард мекунанд, Блоки Контексти Глобалӣ иттилооти аз минтақаҳои гуногуни вақт-басомад омадаро дар як контекст ҷамъ мекунад. Аз харитаи хусусияти вурудӣ бо конволютсияи 1 × 1 ва Softmax ниқоби диққати фазоӣ сохта мешавад. Хусусиятҳои ҳамворшуда бо ниқоб зарб шуда, барои ҳар канал вектори контексти глобалӣ ҳисоб карда мешавад:

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

Ин намояндагӣ баъдан ба васеъкунии канал, global average pooling, dropout ва қабати хаттии тасниф фиристода мешавад.

Чаро METFD аз конволютсияи стандартии 3 × 3 сабуктар аст?

Хароҷоти тахминии ҳисоббарории конволютсияи стандартии 3 × 3:

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

дода шудааст. Хароҷоти умумии METFD бошад:

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

ҳисоб шудааст. Азбаски арзиши H + W одатан аз ҳосили HW хеле хурдтар аст, хароҷоти асосӣ аз ҳади 4C²HW ба вуҷуд меояд. Тадқиқотчиён изҳор мекунанд, ки ин сохтор шумораи FLOP-ро нисбат ба конволютсияи стандартии 3 × 3 зиёда аз %50 кам мекунад.

Ин ҳисобкунии назариявӣ таъхир ё масрафи энергияро дар дастгоҳи воқеӣ мустақиман чен намекунад. Хароҷоти амалии табдили Fourier, дастрасӣ ба хотира ва суръатдиҳандаҳои мушаххаси сахтафзор метавонад аз шумораи FLOP фарқ кунад.

Маҷмӯи додаҳои DeepShip чӣ гуна истифода шудааст?

DeepShip дар маҷмӯъ 47 соату 4 дақиқа сабти воқеии зериобиро, ки Ocean Networks Canada пешниҳод кардааст, дар бар мегирад. 265 киштии гуногуни маҷмӯи додаҳо ба чор синфи васеъ тақсим шудаанд:

• Киштии боркаш
• Киштии мусофирбар
• Танкер
• Буксир

Сабтҳо ба буридаҳои 3, 5 ва 10 сония тақсим шудаанд. Барои буридаҳои се ва панҷ сония тақсимкунии бе ҳампӯшӣ, барои буридаҳои 10 сония бошад бо мақсади нигоҳ доштани шумораи кофии намунаҳо ҳампӯшии 5 сония истифода шудааст.

Интихоби муҳими методологӣ ин буд, ки тақсимкунӣ на ба таври тасодуфӣ аз рӯи буридаҳо, балки аз рӯи идентификаторҳои аслии файлҳои садоӣ анҷом дода шудааст. Бо ин роҳ кӯшиш шудааст, ки садои муҳитии монанди ба як сабти дароз тааллуқдошта ҳамзамон ба маҷмӯи омӯзиш ва тест ворид нашавад. Таносуби омӯзиш, санҷиши миёна ва тест тақрибан 8:1:1 буда, идентификаторҳои аслии файлҳои истифодашуда барои ҳар синф дар Ҷадвали 2-и таҳқиқот ошкоро оварда шудаанд.

Маҷмӯи додаҳои ShipsEar чӣ гуна ташкил шудааст?

ShipsEar 90 сабти садоӣ ва тақрибан се соат маълумотро дар бар мегирад, ки дар соҳили шимолу ғарбии Атлантикаи Испания сабт шудаанд. 11 навъи киштӣ ва садои муҳитӣ дар маҷмӯи додаҳо ба панҷ синфи болоӣ, ки дар адабиёт истифода мешаванд, тақсим шудаанд:

Сабтҳо ба буридаҳои 5 сонияи бе ҳампӯшӣ тақсим шуда, дар маҷмӯъ 2.094 намуна ба вуҷуд оварда шудааст:

• Омӯзиш: 1.709 намуна
• Санҷиши миёна: 228 намуна
• Тест: 157 намуна

Азбаски ShipsEar хурд аст, ин маҷмӯи додаҳо барои арзёбии интиқоли моделҳои дар DeepShip пешомӯзишдида ба муҳити дигари акустикӣ истифода шудааст.

Модел бо кадом нишондиҳандаҳо арзёбӣ шудааст?

Дақиқии умумӣ:

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

ҳисоб шудааст. TP_k намунаҳои мусбати дуруст дар синфи k-ро; N бошад шумораи умумии намунаҳоро ифода мекунад.

Дақиқӣ ва ҳассосият барои ҳар синф:

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

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

мебошанд. Азбаски шумораи намунаҳо дар синфҳо гуногун аст, Macro-F1 низ истифода шудааст:

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

Macro-F1 ба ҳар синф вазни баробар медиҳад. Илова бар ин, шумораи параметрҳои омӯзишпазир ва арзиши FLOP ҳамчун нишондиҳандаҳои тахминии талаботи ҳисоббарорӣ ва хотира гузориш шудаанд.

Танзимоти омӯзиши DeepShip кадомҳоянд?

Буридаҳои панҷ сония ҳамчун танзими асосӣ барои озмоишҳои минбаъдаи ablation, устуворӣ ба садо ва визуализатсия интихоб шудаанд. Тадқиқотчиён мегӯянд, ки ин давомнокӣ барои дарбар гирифтани давраҳои модулятсияи механикӣ кофӣ буда, нисбат ба вурудҳои 10 сония сарбории ҳисоббарории камтар дорад.

Муқоисаи асосии моделҳо чиро нишон медиҳад?

Дар Ҷадвали 3 ҳамаи моделҳо бо ҳамон вурудҳои log-Mel ва ҳамон қубури омӯзиш аз сифр омӯзонида шудаанд. Арзишҳои FLOP барои танзими вуруди 3 сония дода шудаанд.

FADD-Net дар ҳамаи давомнокиҳои бурида баландтарин дақиқиро ба даст овардааст. Дар муқоиса бо яке аз қавитарин моделҳои сабук, EfficientNet-B0, фарқи дақиқӣ барои 3 сония 1,61, барои 5 сония 3,13 ва барои 10 сония 0,79 банди фоизиро ташкил медиҳад. FADD-Net тақрибан %16,5 буҷаи параметрии EfficientNet-B0-ро истифода мекунад; аммо арзиши FLOP дар вуруди 3 сония тақрибан %10 аз EfficientNet-B0 баландтар аст. Аз ин рӯ модел аз рӯи ҳар як нишондиҳандаи ҳисоббарорӣ хурдтарин нест.

Дақиқии ResNet-101 дар 3 сония %74,69 буда, дар 10 сония ба %68,90 паст шудааст. FADD-Net бошад бо зиёд шудани давомнокии вуруд аз %75,04 то %77,96 боло рафтааст. Тадқиқотчиён ин фарқро ба аз ҳад мувофиқ шудани моделҳои калони изотропӣ ба садои замина дар сабтҳои дароз нисбат медиҳанд. Бо вуҷуди ин, таҳқиқот ин механизмро бо такрорҳои гуногуни омӯзиш ё ченакҳои мустақили overfitting мустақиман насанҷидааст.

Сабукии FADD-Net чӣ гуна бояд тафсир шавад?

• Дар муқоиса бо ResNet-18 шумораи параметрҳо тақрибан 16,9 маротиба камтар аст.
• Дар муқоиса бо ResNet-18 шумораи FLOP барои вуруди 3 сония тақрибан %74,2 камтар аст.
• Дар муқоиса бо ResNet-101 шумораи параметрҳо тақрибан 64 маротиба камтар аст.
• Дар муқоиса бо ResNet-101 шумораи FLOP тақрибан %94,2 камтар аст.
• UATFSNet бо 0,03 миллион параметр аз FADD-Net хеле хурдтар аст; аммо дақиқияш ба таври назаррас пасттар аст.
• EfficientNet-B0 нисбат ба FADD-Net арзиши FLOP-и пасттар дорад; аммо параметрҳои бештар истифода мекунад.

Аз ин рӯ FADD-Net «хурдтарин модел» нест, балки моделест, ки байни дақиқии ченшуда ва андозаи модел тавозуни қавӣ ба вуҷуд меорад.

Озмоишҳои ablation кадом модулҳоро муҳим нишон медиҳанд?

Дар танзими асосии панҷ сония ҳар дафъа як ҷузъ хориҷ ё бо ҳамтои анъанавии он иваз шудааст:

Бузургтарин талафи дақиқӣ ҳангоми хориҷ кардани Диққати Координатӣ ба вуҷуд омадааст. Ин натиҷа нишон медиҳад, ки нигоҳ доштани ҷойгиршавии муҳими вақт ва басомад аз танҳо вазндиҳии канал арзишмандтар аст. Хориҷ кардани FCB ба талафи 2,33 банди фоизӣ оварда, саҳми иттилооти даврии дарозмуддатро нишон додааст.

Ҳангоми иваз кардани METFD бо конволютсияи стандартии 3 × 3 дақиқӣ паст шуда, хароҷоти ҳисоббарорӣ аз 228,70 миллион ба 566,59 миллион FLOP афзудааст. Ин натиҷа нишон медиҳад, ки ҷудокунии самтдор метавонад ҳамзамон ҳам дақиқтар ва ҳам аз ҷиҳати ҳисоббарорӣ самараноктар бошад.

Дақиқии модели пурра дар ҷадвали ablation %76,94, аммо дақиқии 5 сония дар ҷадвали асосии муқоиса %77,17 аст. Таҳқиқот шарҳ намедиҳад, ки оё ин фарқи 0,23 банди фоизӣ аз иҷроҳои гуногуни омӯзиш бармеояд ва стандартии байни такрорҳо низ гузориш нашудааст.

Кадом омезиши ядроҳои конволютсионӣ натиҷаи беҳтарин дод?

Андозаи ядроҳо дар самтҳои вақт ва басомади METFD алоҳида санҷида шудаанд. Баландтарин дақиқӣ дар омезиши ядрои 1 × 3 дар самти вақт ва 3 × 1 дар самти басомад ба %76,53 расидааст.

Ядроҳои 1 × 1 барои гирифтани контексти маҳаллӣ нокифоя буданд. Зиёд кардани дарозии ядро то 5 бошад, метавонад импулсҳои кӯтоҳи кавитатсияро аз ҳад ҳамвор карда ё гармоникаҳои алоҳидаро бо садои васеъбанд омехта карда бошад. Ин тафсир аз тамоюлҳои нишондиҳандаҳо ва геометрияи физикии садои киштӣ бармеояд; давомнокии воқеӣ ва паҳноии бандҳои импулсҳо алоҳида чен нашудаанд.

Истифодаи ҳамзамони се шохаи мутахассис чӣ дод?

Тамаркуз ба танҳо як ҷузъи физикӣ барои ҳамаи синфҳои киштӣ кофӣ нест. Якҷо кардани вақт, басомад ва контексти умумӣ дақиқиро тақрибан 2,4-3,5 банди фоизӣ афзоиш додааст. Конволютсияҳои васеъшуда бидуни зиёд кардани назарраси шумораи параметрҳо контексти васеътари дученакаро гирифта, 0,81 банди фоизии иловагӣ додаанд.

Модел зери садои синтетикӣ чӣ гуна рафтор кардааст?

Дар озмоиши аввали садо ба сигналҳои тозаи тестӣ аз −5 dB то 20 dB садои сафеди иловагии Гауссӣ ҳамроҳ шудааст. FADD-Net дар ҳамаи сатҳҳои садои синтетикии санҷидашуда каҷи дақиқии баландтар аз моделҳои муқоисавӣ нишон додааст.

ConvNeXt-Tiny дар −5 dB тақрибан %30,4 дақиқиро нигоҳ дошта, каҷи FADD-Net аз он болотар мондааст. Аммо азбаски арзишҳои дақиқи ҳамаи нуқтаҳои расм дар ҷадвал дода нашудаанд, истифодаи арзишҳои тахминии аз график хондашуда ҳамчун натиҷаи дақиқ мувофиқ нест.

Натиҷаҳо зери садои воқеии уқёнус чӣ гунаанд?

Дар озмоиши дуюми садо пасзаминаи воқеии уқёнус аз Синфи E-и ShipsEar ба намунаҳои тестии DeepShip илова шудааст. Ин муҳит нисбат ба садои сафед сохтори номунтазамтар ва дар вақт тағйирёбанда дорад.

• Дар −5 dB дақиқии ResNet-50 ба %22,29 паст шудааст.
• Дар −5 dB дақиқии EfficientNet-B0 ба %23,35 паст шудааст.
• Дар 5 dB ConvNeXt-Tiny бо %56,20 аз натиҷаи %53,93-и FADD-Net гузаштааст.
• FADD-Net аз 10 dB сар карда ҳамаи моделҳои муқоисавиро гузаштааст.
• Дар 20 dB FADD-Net %76,31, ConvNeXt-Tiny бошад %71,63 дақиқӣ додааст.

Ин натиҷа нишон медиҳад, ки FADD-Net дар таносубҳои миёна ва баланди сигнал ба садо барои ҷудо кардани гармоникаҳои физикӣ бартарӣ дорад, аммо дар шароити ниҳоят мураккаби садои воқеӣ модели калон метавонад дар минтақаи маҳдуд натиҷаи баландтар диҳад. Даъвои «устувории бартар ба садо»-и таҳқиқот бояд бо дарназардошти ин истисно тафсир шавад.

Матритсаҳои иштибоҳ нишон медиҳанд, ки кадом синфҳо душворанд?

FADD-Net дар синфҳои киштии боркаш, киштии мусофирбар ва буксир беҳтар шуда, барои танкерҳо чор банди фоизӣ коҳиш ёфтааст. %15-и намунаҳои танкер ҳамчун киштии боркаш ва %8 ҳамчун киштии мусофирбар тасниф шудаанд. Меъёри омехта шудани киштиҳои боркаш бо танкер дар EfficientNet-B0 %24 буда, дар FADD-Net ба %19 паст шудааст.

%17-и буксирҳо ҳамчун киштии мусофирбар тасниф шудаанд. Мувофиқи тафсири физикии таҳқиқот, винтҳои буксир, ки бо суръати гардиши баланд ва зери бор кор мекунанд, метавонанд ритмҳои қавии кавитатсияи басомади баланд ба монанди киштиҳои хурди мусофирбар тавлид кунанд. Киштиҳои боркаш ва танкерҳо бошад, ҳамчун киштиҳои бузурги тиҷоратии бо суръати паст фаъолияткунанда гармоникаҳои мошинии басомади пасти монанд доранд.

Визуализатсияи t-SNE чиро нишон медиҳад?

Расми 12 нишон медиҳад, ки хусусиятҳо ҳангоми пешрафт дар шабака чӣ гуна ҷудо мешаванд:

• Дар вуруди хом нуқтаҳои чор синфи киштӣ асосан бо ҳам омехтаанд.
• Пас аз конволютсияҳои ибтидоӣ каме ҷудошавӣ пайдо мешавад, аммо марзҳои синф ҳанӯз норавшананд.
• Дар баромади METFD масофаи байни синфҳо зиёд ва паҳншавии дохили синф кам мешавад.
• Дар фазои ниҳоии хусусиятҳо чор кластер равшантар шакл мегиранд.

Кластери буксир аз сабаби хусусиятҳои кавитатсияи басомади баланд равшантар ҷудо мешавад, дар ҳоле ки кластерҳои киштии боркаш ва танкер ба ҳам наздик мемонанд. t-SNE проексияи дученакаи визуалии хусусиятҳои баландандоза мебошад; намуди кластерҳо худ аз худ далели умумият ё сабабият нест.

Харитаҳои Grad-CAM нишон медиҳанд, ки модел ба чӣ менигарад?

Дар визуализатсияҳои Grad-CAM соҳаи басомад ба се минтақа ҷудо шудааст:

• Басомади паст: 0-100 Hz
• Басомади миёна: 100-1000 Hz
• Басомади баланд: 1-8 kHz

Дар синфҳои киштии боркаш ва танкер диққат ба хатҳои уфуқии пайваста дар басомадҳои паст ва миёна равона шудааст. Инҳо бо гармоникаҳои устувори механикии мошинҳои вазнин алоқаманд дониста шудаанд. Дар киштиҳои мусофирбар ва буксир бошад блокҳои маҳаллӣ ва фосилавии энергия дар басомадҳои баланд равшантар мебошанд; онҳо бо гардиши босуръати винт ва импулсҳои кавитатсия шарҳ дода шудаанд.

Ин визуализатсияҳо тафсиреро дастгирӣ мекунанд, ки шабака на танҳо намунаҳои пасзаминаи хоси маҷмӯи додаҳо, балки минтақаҳои аз ҷиҳати физикӣ маънодори садоро низ истифода мебарад. Бо вуҷуди ин, Grad-CAM харитаи аҳамияти пастҳалкунанда аст ва исбот намекунад, ки манбаи мушаххаси физикӣ ба таври сабабӣ муайян шудааст.

Омӯзиши интиқолии ShipsEar чӣ гуна анҷом дода шудааст?

Моделе, ки бо додаҳои 5 сонияи DeepShip пешомӯзиш дида буд, ба ShipsEar интиқол дода шудааст. Сари нави таснифи панҷсинфӣ сохта шуда, барои мутобиқ шудан ба муҳити дигари оби камчуқур FCB аз нав оғоз карда шудааст.

Додани суръати пасттари омӯзиш ба пояи пешомӯзишдида ва суръати баландтар ба қабатҳои нав барои нигоҳ доштани дониши пешинаи акустикӣ ва ҳамзамон мутобиқ шудан ба муҳити нав пешбинӣ шудааст.

Натиҷаҳои интиқол байни маҷмӯи додаҳо кадомҳоянд?

FADD-Net аз наздиктарин натиҷаҳо — ResNet-34 ва CFTANet — 6,80 банди фоизӣ гузаштааст. Тадқиқотчиён ин фарқро ба он нисбат медиҳанд, ки филтри Fourier садои номунтазами хоси муҳитро коҳиш медиҳад ва METFD гармоникаҳои механикии аз муҳит нисбатан мустақилро аз ритмҳои кавитатсия ҷудо мекунад.

Азбаски маҷмӯи тестии ShipsEar танҳо 157 сегмент дорад, натиҷаи як намуна метавонад тақрибан 0,64 банди фоизиро тағйир диҳад. Азбаски дар таҳқиқот фосилаи эътимод ё такрор бо тақсимоти гуногуни додаҳо гузориш нашудааст, натиҷаи %81,07 бояд дар заминаи шумораи маҳдуди намунаҳои тестӣ арзёбӣ шавад.

Ҷиҳатҳои қавии таҳқиқот кадомҳоянд?

• Меъмории шабака бо механизмҳои физикии тавлиди садои киштӣ алоқаманд карда шудааст.
• Меҳварҳои вақт ва басомад ба ҷойи он ки ҳамчун хусусияти яксон коркард шаванд, дар шохаҳои алоҳидаи мутахассис арзёбӣ шудаанд.
• Тақсимоти DeepShip аз рӯи идентификаторҳои аслии файлҳо анҷом дода шуда, ихроҷи иттилоот байни буридаҳо кам карда шудааст.
• Се давомнокии гуногуни садо, ду маҷмӯи додаҳо ва оилаҳои гуногуни моделҳо муқоиса шудаанд.
• Ба ғайр аз дақиқӣ, Macro-F1, шумораи параметрҳо ва арзишҳои FLOP гузориш шудаанд.
• Ҳар як модули асосӣ бо озмоишҳои ablation алоҳида арзёбӣ шудааст.
• Садои синтетикӣ ва садои воқеии уқёнус алоҳида санҷида шудаанд.
• Рафтори модел бо матритсаҳои иштибоҳ, t-SNE ва Grad-CAM визуализатсия шудааст.
• FADD-Net бо андозаи хурди модел аз моделҳои вазнин натиҷаи баландтар додааст.
• Интиқол аз DeepShip ба ShipsEar байни маҷмӯи додаҳо санҷида шудааст.

Маҳдудиятҳои таҳқиқот кадомҳоянд?

• Таҳқиқот preprint-и аз арзёбии ҳамтоён нагузашта мебошад.
• Модел дар воситаи автономии воқеии зериобӣ, дастгоҳи сонари пассивӣ ё протсессори дарунсохт иҷро нашудааст.
• Таъхири inference, суръати кадр дар вақти воқеӣ, истифодаи RAM ва масрафи энергия бо ватт гузориш нашудаанд.
• Шумораи FLOP ва параметрҳо танҳо нишондиҳандаҳои тахминии кори воқеии сахтафзор мебошанд.
• Шарҳ дода нашудааст, ки озмоишҳо як иҷро буданд ё миёнаи якчанд seed-и тасодуфӣ.
• Стандарти инҳироф, фосилаи эътимод ё санҷиши аҳамияти оморӣ дода нашудааст.
• DeepShip ва ShipsEar минтақаҳои муайяни ҷуғрофӣ, гидрофонҳо ва тақсимоти киштиҳоро намояндагӣ мекунанд; натиҷаҳоро ба ҳамаи муҳитҳои баҳрӣ умумӣ кардан мумкин нест.
• Маҷмӯи тестии ShipsEar танҳо аз 157 намунаи панҷсониягӣ иборат аст.
• Дар садои воқеии уқёнус дар шароити 5 dB, FADD-Net беҳтарин модел нест.
• Дақиқии танкер нисбат ба EfficientNet-B0 аз %78 ба %74 паст шудааст.
• Омехтагии киштии боркаш-танкер ва буксир-киштии мусофирбар ҳамоно вуҷуд дорад.
• Дар намунаҳои 10 сония дар дохили ҳамон файл ҳампӯшии 5 сония истифода шудааст; гарчанде ихроҷ байни тақсимот пешгирӣ шудааст, вобастагии намунаҳо дар дохили як тақсимот метавонад зиёд шавад.
• Ҳамаи ҷузъиёти меъмории модули ARN дар ин матн аз нав оварда нашудаанд.
• Пайванди дастрасӣ ба коди манбаъ, вазнҳои модел ва конфигуратсияи пурраи озмоиш пешниҳод нашудааст.
• Усулҳои афзоиш додани додаҳо ба таври муфассал шарҳ дода нашудаанд.
• Модел дар ширхӯрони баҳрӣ, ҳодисаҳои муҳитӣ ё синфҳои ҳадафи номаълум санҷида нашудааст.
• Ҳушдорҳои бардурӯғ, open-set recognition ва рад кардани намунаҳои берун аз тақсимот арзёбӣ нашудаанд.

Таҳқиқот чиро дастгирӣ мекунад?

• Дастгирӣ мекунад, ки ҷудокунии вақт-басомади ба физика такякунанда метавонад бо андозаи хурди модел таснифи рақобатпазир таъмин намояд.
• Нишон медиҳад, ки FCB, METFD ва диққати координатӣ ҳар кадом ба дақиқӣ саҳми ченшаванда доранд.
• Нишон медиҳад, ки FADD-Net дар DeepShip нисбат ба моделҳои муқоисавии таҳқиқшуда дақиқии баландтар додааст.
• Нишон медиҳад, ки FADD-Net метавонад дар интиқол аз DeepShip ба ShipsEar дақиқии баланди тестӣ таъмин кунад.
• Нишон медиҳад, ки амалиётҳои самтдор ва анизотропӣ метавонанд нисбат ба конволютсияи стандартии 3 × 3 бо FLOP-и камтар дақиқии баландтар диҳанд.
• Дастгирӣ мекунад, ки қарорҳои модел дар баъзе синфҳои киштӣ бо минтақаҳои аз ҷиҳати физикӣ маънодори вақт ва басомад мувофиқат мекунанд.

Таҳқиқот чиро исбот намекунад?

• Исбот намекунад, ки модел дар вазифаҳои воқеии баҳрӣ бо ҳамон дақиқӣ кор мекунад.
• Исбот намекунад, ки 0,66 миллион параметр худкор масрафи пасти энергия ё кори вақти воқеиро таъмин мекунад.
• Нишон намедиҳад, ки FADD-Net дар ҳамаи сатҳҳои садо аз ҳамаи моделҳо бартар аст.
• Исбот намекунад, ки модел намудҳои номаълуми киштиро ба таври бехатар рад карда метавонад.
• Нишон намедиҳад, ки модел аз ҷойгиршавии гидрофон, чуқурӣ, шароити обу ҳаво ва фарқиятҳои қаъри баҳр мустақил аст.
• Дар низоми ҳарбӣ ё шаҳрвандии сонар эътимоднокии амалиётӣ, сертификатсия ё муваффақияти саҳроиро пешниҳод намекунад.
• Исбот намекунад, ки минтақаҳои Grad-CAM бевосита ба ҷузъҳои мушаххаси мошин ё винт тааллуқ доранд.

Усул ва натиҷаҳои таҳқиқот

Тарҳи таҳқиқот

Таҳқиқот як кори таҷрибавии омӯзиши мошинӣ мебошад, ки дар ду маҷмӯи додаҳои акустикии зериобии оммавӣ таснифоти назоратшаванда, муқоисаи модел, таҳлили ablation, санҷиши устуворӣ ба садо, омӯзиши интиқолӣ ва визуализатсияи хусусиятҳоро дар бар мегирад.

Вуруд ва баромад

Модулҳои асосии FADD-Net

• Блоки ибтидоии конволютсионии дуқабата
• Блоки Конволютсияи Басомади Глобалӣ
• Пояи сабуки чорзинагӣ
• Модули мувозинаткунии ARN
• Ҷудокунии Вақт-Басомади Бисёрмутахассис
• Диққати Координатӣ
• Роҳи кӯтоҳи байни зинаҳо
• Блоки Контексти Глобалӣ
• Сари тасниф бо танзими dropout

Хулосаи техникии натиҷаҳои асосӣ

Хулосаи саҳми модулҳо

• Ҳангоми хориҷ кардани Диққати Координатӣ дақиқӣ 3,22 банди фоизӣ паст шудааст.
• Ҳангоми хориҷ кардани FCB дақиқӣ 2,33 банди фоизӣ паст шудааст.
• Ҳангоми иваз кардани METFD бо конволютсияи стандартии 3 × 3 дақиқӣ 1,61 банди фоизӣ паст ва арзиши FLOP тақрибан 2,48 маротиба зиёд шудааст.
• Ҳангоми хориҷ кардани ARN дақиқӣ 0,48 банди фоизӣ паст шудааст.
• Ҳангоми хориҷ кардани роҳи кӯтоҳи байни зинаҳо дақиқӣ 0,69 банди фоизӣ паст шудааст.

Маълумоти нокифоя аз нигоҳи такрорпазирӣ

• Seed-ҳои тасодуфӣ
• Шумораи такрорҳои озмоиш
• Стандарти инҳирофи натиҷаҳо
• Коди манбаъ ва вазнҳои модел
• Конфигуратсияи пурраи афзоиш додани додаҳо
• Ҷузъиёти пурраи татбиқи ARN
• Вақти inference дар сахтафзори дарунсохт
• Ченакҳои воқеии қувва ва хотира

Қадамҳои зарурӣ барои гузариш ба истифодаи воқеии саҳроӣ

• Сохтани маҷмӯи нави додаҳои баҳрӣ бо гидрофонҳо ва низомҳои сабти гуногун
• Санҷиш дар чуқуриҳои гуногун, қаъри гуногуни баҳр ва шароити паҳншавии чандмасира
• Арзёбии борон, мавҷ, садоҳои биологӣ, бандар ва саноат
• Санҷишҳои ҳадафи номаълум ва open-set recognition
• Inference-и вақти воқеӣ дар протсессори дарунсохти воситаи автономии зериобӣ
• Чен кардани қувва бо ватт ва хотира бо мегабайт
• Озмоиши дарозмуддати баҳрӣ
• Таҳлили ҳушдори бардурӯғ, таъхир ва эътимоднокӣ
• Тасдиқи беруна бо додаҳои мустақил аз кишварҳо ва минтақаҳои баҳрии гуногун

Эзоҳи манбаъ ва усул

Номи аслии таҳқиқот: FADD-Net: Integrating Global Frequency Filtering and Directional Spectro-Temporal Decoupling for Lightweight Underwater Acoustic Target Recognition

Муаллифон: Chen Liang; Zailei Luo; Dongchen Tian; Ziyu Yan; Jing Xu; Xionghui Li.

Тартиби муаллифон: Рӯйхати боло тартиби аслии муаллифонро дар таҳқиқот нигоҳ медорад.

Ҳаммуаллифи аввал: Дар таҳқиқот изҳороти ҳаммуаллифи аввал ё саҳми баробар вуҷуд надорад.

Муаллифони масъул: Jing Xu ва Xionghui Li.

Почтаи электронии муаллифони масъул: jxu-optics@zju.edu.cn; wananmotianlun@foxmail.com.

Муассисаҳо:

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

DOI:10.2139/ssrn.7202166

Платформаи расмии нашр: SSRN.

Пайванди расмии таҳқиқот:Саҳифаи таҳқиқот дар SSRN

Санаи нашр: 29 июли 2026.

Соли нашр: 2026.

Журнал: Барои ин версия номи мушаххаси журнали ҳамтоёбӣ ё иттилои қабул мавҷуд нест.

Ношир: Ношири журнали ҳамтоёбӣ тасдиқ нашудааст. Дар матн ибораи “Preprint submitted to Elsevier” ҳаст, аммо журнали муайяни Elsevier нишон дода нашудааст.

Навъи манбаъ: Мақолаи таҳқиқотии preprint, ки дар маҷмӯи додаҳои оммавӣ омӯзиши мошинии таҷрибавӣ ва арзёбии муқоисавии моделҳоро дар бар мегирад.

Ҳолати ҳамтоёбӣ: Ин таҳқиқот preprint-и аз арзёбии ҳамтоён нагузашта аст; натиҷаҳо бояд бо дарназардошти ин маҳдудият хонда шаванд.

Маблағгузорӣ: Маълумоти маблағгузорӣ дар ин версия мавҷуд нест.

Бархӯрди манфиатҳо: Изҳороти бархӯрди манфиатҳо дар ин версия мавҷуд нест.

Дастрасӣ ба додаҳо: Маҷмӯи додаҳои кушодаи DeepShip ва ShipsEar истифода шудаанд; аммо барои вазнҳои модели омӯзишдида, коди манбаъ ва файлҳои баромади озмоишӣ пайванди дастрасӣ дода нашудааст.

Ин шарҳи тоҷикӣ бо баррасии матн, муодилаҳо, схемаҳои модел, ҷадвалҳои додаҳо, графикҳои кор, натиҷаҳои ablation, озмоишҳои садо, матритсаҳои иштибоҳ, тақсимоти t-SNE ва харитаҳои Grad-CAM-и таҳқиқоти боркардаи 25 саҳифа омода шудааст. Натиҷаҳои илмие, ки дар таҳқиқот вуҷуд надоранд, илова нашудаанд. Санҷиши манбаъҳои беруна танҳо барои тасдиқи иттилооти библиографӣ, аз ҷумла DOI, санаи сабти SSRN ва ҳолати нашр истифода шудааст.

Маҳдудияти асосии таҳқиқот ин аст, ки даъвои «мувофиқ будан ба платформаҳои вақти воқеӣ ва маҳдуди энергия» ба ҳисобҳои параметр ва FLOP такя мекунад. Дар низоми воқеии дарунсохт таъхир, хотира, масрафи энергия ё кори вазифаи баҳрӣ чен нашудааст. Илова бар ин, азбаски такрорҳои мустақили озмоиш ва фосилаҳои эътимоди оморӣ дода нашудаанд, устувории фарқиятҳои хурди дақиқӣ тасдиқ нашудааст.