Wyszukiwarka
Buried Object Characterization Using Ground Penetrating Radar Assisted by Data-Driven Surrogate-Models
Abstrakt
This work addresses artificial-intelligence-based buried object characterization using 3-D full-wave electromagnetic simulations of a ground penetrating radar (GPR). The task is to characterize cylindrical shape, perfectly electric conductor (PEC) object buried in various dispersive soil media, and in different positions. The main contributions of this work are (i) development of a fast and accurate data driven surrogate modeling approach for buried objects characterization, (ii) construction of the surrogate model in a computationally efficient manner using small training datasets, (iii) development of a novel deep learning method, time-frequency regression model (TFRM), that employes raw signal (with no pre-processing) to achieve competitive estimation performance. The presented approach is favourably benchmarked against the state-of-the-art regression techniques, including multilayer perceptron (MLP), Gaussian process (GP) regression, support vector regression machine (SVRM), and convolutional neural network (CNN).
Cytowania
-
8
CrossRef
-
0
Web of Science
-
9
Scopus
Autorzy (5)
-
Reyhan Yurt
-
Hamid Torpi
-
Peyman Mahouti
-
Ahmet Kizilay
Cytuj jako
Pełna treść
- Wersja publikacji
- Accepted albo Published Version
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/ACCESS.2023.3243132
- Licencja
-
otwiera się w nowej karcie
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach
- Opublikowano w:
-
IEEE Access
nr 11,
strony 13309 - 13323,
ISSN: 2169-3536 - Język:
- angielski
- Rok wydania:
- 2023
- Opis bibliograficzny:
- Yurt R., Torpi H., Mahouti P., Kizilay A., Kozieł S.: Buried Object Characterization Using Ground Penetrating Radar Assisted by Data-Driven Surrogate-Models// IEEE Access -Vol. 11, (2023), s.13309-13323
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/access.2023.3243132
- Źródła finansowania:
-
- Publikacja bezkosztowa
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 102 razy
Publikacje, które mogą cię zainteresować
Buried Object Characterization by Data-Driven Surrogates and Regression-Enabled Hyperbolic Signature Extraction
- R. Yurt,
- H. Torpi,
- A. Kizilay
- + 3 autorów
Variable Data Structures and Customized Deep Learning Surrogates for Computationally Efficient and Reliable Characterization of Buried Objects
- R. Yurt,
- H. Torpi,
- A. Kizilay
- + 2 autorów