<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Акустичне розпізнавання безпілотних літальних апаратів: обмеження нейромережевих моделей та вимоги до перевірки їх точності

Завантаження...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Проаналізовано методологічні обмеження акустичного розпізнавання безпілотних літальних апаратів із використанням нейронних мереж. Систематизовано джерела похибок і запропоновано вимоги до формування вибірок, незалежного тестування та представлення показників якості. Робота має оглядово-методичний характер і не містить результатів власного експериментального навчання моделей.
The methodological limitations of neural-network-based acoustic recognition of unmanned aerial vehicles are analyzed. Sources of classification errors are systematized, and requirements for dataset construction, independent testing, and reporting of performance metrics are proposed. This methodological review does not claim results from original model-training experiments.

Опис

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Кравець Т. М. Акустичне розпізнавання безпілотних літальних апаратів: обмеження нейромережевих моделей та вимоги до перевірки їх точності // VІ Міжнародна науково-технічна інтернет-конференція «Актуальні проблеми бойового застосування та експлуатації і ремонту зразків озброєння та військової техніки», Вінниця, 10-11 листопада 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/apozbt/apozbt2026/paper/view/30758.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (1)

  1. Machine learning algorithms applied for drone detection and classification: benefits and challenges. Frontiers in Communications and Networks. 2024. DOI: 10.3389/frcmn.2024.1440727. Advances and Challenges in Drone Detection and Classification Techniques: A State-ofthe-Art Review. Sensors. 2024. Vol. 24, no. 1. Art. 125. DOI: 10.3390/s24010125. Kmmritz S. The Sound of Surveillance: Enhancing Machine Learning-Driven Drone Detection with Advanced Acoustic Augmentation. Drones. 2024. Vol. 8, no. 3. Art. 105. DOI: 10.3390/drones8030105. UAV Detection and Tracking in Urban Environments Using Passive Sensors: A Survey. Applied Sciences. 2023. Vol. 13, no. 20. Art. 11320. DOI: 10.3390/app132011320.