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

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

dc.contributor.authorКравець, Т. М.uk
dc.contributor.authorKravets, T. M.en
dc.titleАкустичне розпізнавання безпілотних літальних апаратів: обмеження нейромережевих моделей та вимоги до перевірки їх точностіuk
dc.date.issued2026
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationКравець 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.ispartofVІ 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.urihttps://conferences.vntu.edu.ua/index.php/apozbt/apozbt2026/paper/view/30758
dc.identifier.udc004.8:534.8:623.746-519
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/57842
dc.description.abstractПроаналізовано 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.abstractThe 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.subjectБпЛАuk
dc.subjectакустичний сигналuk
dc.subjectнейронна мережаuk
dc.subjectкласифікаціяuk
dc.subjectвалідаціяuk
dc.subjectUAVen
dc.subjectacoustic signalen
dc.subjectneural networken
dc.subjectclassificationen
dc.subjectvalidationen
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesMachine 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.accessioned2026-11-16T15:42:37Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Завантаження...
Ескіз
Назва:
30758.pdf
Розмір:
419,69 KB
Формат:
Adobe Portable Document Format