AbstractLidar has considerable pote

Abstract
Lidar has considerable potential as an early forest fire detection technique, presenting considerable advantages when compared to the passive detection methods based on infrared cameras currently in common use, due to its higher sensitivity, ability to accurately locate the fire and the fact that it does not need line of sight to the flames. The method has recently been demonstrated by the authors, but its automation requires the availability of a rapid signal analysis technique, for prompt alarm emission whenever required. In the present paper a novel method of classifying lidar signals using committee machines composed of neural networks is proposed. A new method based on ROC curves and the Neyman-Pearson criterion is used to choose the optimal number of training epochs for each neural network in order to avoid overfitting. The best committee machine, obtained on the basis of these principles and selected to lead to the lowest percentage of false alarms for a true detection percentage of 90% for a test set created by adding random noise to patterns obtained experimentally, was composed of three single-layer perceptrons and presented a true detection efficiency of 94.4% and 0.553% of false alarms in the validation set.

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
Lidar มีศักยภาพมากในฐานะที่เป็นเทคนิคการตรวจหาไฟป่าในช่วงต้นนำเสนอข้อได้เปรียบอย่างมากเมื่อเทียบกับวิธีการตรวจสอบเรื่อย ๆ ขึ้นอยู่กับกล้องอินฟราเรดที่ใช้ในปัจจุบันทั่วไปเนื่องจากมีความไวสูงขึ้นของความสามารถในการได้อย่างถูกต้องค้นหาไฟและความจริงที่ว่ามันไม่ ไม่จำเป็นต้องใช้สายของสายตาที่จะเปลวไฟ วิธีการได้รับเมื่อเร็ว ๆ นี้แสดงให้เห็นโดยผู้เขียน แต่ต้องใช้ระบบอัตโนมัติของความพร้อมของเทคนิคการวิเคราะห์สัญญาณอย่างรวดเร็วสำหรับการปล่อยสัญญาณเตือนภัยพร้อมรับคำเมื่อจำเป็น ในกระดาษปัจจุบันวิธีนวนิยายจำแนกสัญญาณ LIDAR ใช้เครื่องประกอบด้วยคณะกรรมการเครือข่ายประสาทมีการเสนอ วิธีการใหม่บนพื้นฐานของเส้นโค้ง ROC และเกณฑ์ Neyman เพียร์สันจะใช้ในการเลือกหมายเลขที่ดีที่สุดของยุคสมัยการฝึกอบรมสำหรับแต่ละเครือข่ายประสาทเพื่อหลีกเลี่ยงการอิง เครื่องคณะกรรมการที่ดีที่สุดที่ได้รับบนพื้นฐานของหลักการเหล่านี้และเลือกที่จะนำไปสู่การร้อยละต่ำสุดของการเตือนที่ผิดพลาดสำหรับร้อยละการตรวจสอบที่แท้จริงของ 90% สำหรับชุดทดสอบที่สร้างขึ้นโดยการเพิ่มสุ่มเสียงรูปแบบที่ได้รับการทดลองได้รับการประกอบด้วยสามเดียว perceptrons -layer และนำเสนอการตรวจสอบที่มีประสิทธิภาพที่แท้จริงของ 94.4% และ 0.553% ของการเตือนภัยที่ผิดพลาดในการตั้งค่าการตรวจสอบ

ผลลัพธ์ (ไทย) 3:

LIDAR นามธรรม
มีศักยภาพมาก เป็นต้น ป่า ไฟตรวจจับเทคนิคการนำเสนอข้อดีมากเมื่อเทียบกับวิธีการตรวจสอบเรื่อยๆขึ้นอยู่กับกล้องอินฟราเรดที่ใช้ในปัจจุบันทั่วไป เนื่องจากความไวสูงกว่าความสามารถในการถูกต้องค้นหาไฟและข้อเท็จจริงที่ว่ามันไม่ต้องใช้สายตากับเปลวไฟวิธีการได้รับเมื่อเร็ว ๆนี้ได้แสดงให้เห็นโดยผู้เขียน แต่เป็นระบบอัตโนมัติมีความพร้อมของการวิเคราะห์สัญญาณ สำหรับการเตือนภัยพร้อมเมื่อใดก็ตามที่จำเป็น ในกระดาษที่นำเสนอวิธีการใหม่ของการจำแนกสัญญาณ lidar ใช้คณะกรรมการเครื่อง ประกอบด้วย โครงข่ายประสาทเทียมเป็นเสนอวิธีใหม่บนพื้นฐานของเส้นโค้ง ROC และเกณฑ์เนย์เมิ่น เพียร์สัน ถูกใช้เพื่อเลือกหมายเลขที่เหมาะสมของแต่ละยุคสมัย อบรมเครือข่ายประสาทเพื่อหลีกเลี่ยง overfitting . เครื่องกรรมการที่ดีที่สุดได้บนพื้นฐานของหลักการเหล่านี้ และเลือกที่จะนำค่าร้อยละของ alarms เท็จจริงการตรวจสอบร้อยละ 90% สำหรับชุดทดสอบที่สร้างขึ้นโดยการสุ่มเสียงที่จะได้รับรูปแบบนี้ คือ ประกอบด้วย 3 ชั้นเดียวเพอร์เซปตรเสนอจริงการตรวจสอบประสิทธิภาพและอันดับ 3 0.553 % ของเตือนที่ผิดพลาดในการตรวจสอบชุด