Акустичне розпізнавання безпілотних літальних апаратів: обмеження нейромережевих моделей та вимоги до перевірки їх точності
| dc.contributor.author | Кравець, Т. М. | uk |
| dc.contributor.author | Kravets, T. M. | en |
| dc.title | Акустичне розпізнавання безпілотних літальних апаратів: обмеження нейромережевих моделей та вимоги до перевірки їх точності | uk |
| dc.date.issued | 2026 | |
| dc.publisher | Вінницький національний технічний університет | uk |
| dc.identifier.citation | 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. | uk |
| dc.relation.ispartof | 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. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/apozbt/apozbt2026/paper/view/30758 | |
| dc.identifier.udc | 004.8:534.8:623.746-519 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/57842 | |
| dc.description.abstract | 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. | uk |
| dc.description.abstract | 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. | en |
| dc.subject | БпЛА | uk |
| dc.subject | акустичний сигнал | uk |
| dc.subject | нейронна мережа | uk |
| dc.subject | класифікація | uk |
| dc.subject | валідація | uk |
| dc.subject | UAV | en |
| dc.subject | acoustic signal | en |
| dc.subject | neural network | en |
| dc.subject | classification | en |
| dc.subject | validation | en |
| dc.type | Thesis | |
| dc.language.iso | uk | uk |
| dc.relation.references | 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. | en |
| dc.date.accessioned | 2026-11-16T15:42:37Z |
Файли
Контейнер файлів
1 - 1 з 1
Завантаження...
- Назва:
- 30758.pdf
- Розмір:
- 419,69 KB
- Формат:
- Adobe Portable Document Format