arrow
返回

Explainable underwater target recognition models: principles, methods, and applications

delete2025-11-17
delete0
delete
OA
AI
T
Tianyang Xu
H
Hongjian Jia *
J
Jixing Qin
DOI:10.3389/fphy.2025.1682253delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
随着海洋战略重要性的日益提升,水下智能系统已成为信号处理、目标识别和自主导航的关键技术。深度学习的广泛应用显著推动了水下声学任务的发展,但其黑箱特性引发了关于决策可解释性的重大关切,限制了其在高风险场景中的可信应用。本文系统回顾了水下目标识别的可解释模型,阐述了可解释性的核心概念和主要方法。同时,本文综述了声纳成像、信号分析和自主导航领域的研究进展及代表性成果。最后,本文识别了未来发展方向,包括因果推理、跨模态协作和物理知识融合,旨在为开发安全可靠的水下智能系统提供参考。
Keyword:
underwater intelligent perception
underwater target recognition
artificial intelligence
explainable artificial intelligence
explainability in deep learning

期刊

F
Frontiers in Physics
IF:
2.1
论文数:
253
被引数:
0

机构

H
heilongjiang university
学者数:
341
论文数: 120
被引数: 0
C
Chinese Academy of Sciences
学者数:
3.9W
论文数: 1.5W
被引数: 58.4W
引用论文

引用论文

err分享
err收藏
Explainable Artificial Intelligence (XAI) 2.0: A manifesto of open challenges and interdisciplinary research directions可解释人工智能 (XAI) 2.0: 开放挑战和跨学科研究方向的宣言
err2024-06-01
err49
errOAAI
errLongo, Luca; Brcic, Mario; Cabitza, Federico; Choi, Jaesik; Confalonieri, Roberto; Del Ser, Javier; Guidotti, Riccardo; Hayashi, Yoichi; Herrera, Francisco; Holzinger, Andreas; Jiang, Richard; Khosravi, Hassan; Lecue, Freddy; Malgieri, Gianclaudio; Paez, Andres; Samek, Wojciech; Schneider, Johannes; Speith, Timo; Stumpf, Simone
err分享
err收藏
学者 查看更多内容