Полное описание

Дерябин, Виктор Владимирович. Определение местоположения судна по рельефу дна при помощи нейронной сети / В. В. Дерябин. - DOI 10.21821/2309-5180-2023-15-2-172-179. - Текст : непосредственный // Государственный университет морского и речного флота имени С. О. Макарова. Вестник государственного университета морского и речного флота имени адмирала С. О. Макарова. - 2023. - Т. 15, N 2. - С. 172-179. - Библиогр. в конце ст. - ISSN 2309-5180.

ГРНТИ	УДК
28.23	004.8
28.23.37	004.032.26
28.23.25	004.85
	656.61.052
	527.62

Рубрики:
Искусственный интеллект
Нейронные сети

Кл.слова (ненормированные): судно -- местоположение -- глубина -- нейронная сеть -- машинное обучение -- автономный режим -- рельеф дна -- алгоритм расчета
Аннотация: Предложена модель определения места судна по рельефу дна на основе нейронной сети прямого распространения, удовлетворяющей условию универсальной аппроксимации. Рассматриваемая нейронная сеть имеет один скрытый слой с нейронами, обладающими функциями активации в виде гиперболического тангенса. Данная модель реализована для одномерного случая, соответствующего движению судна в узком канале или на фарватере. На вход сети поступает последовательность производных глубины (по координате), измеренной эхолотом. На выходе получается значение линейной координаты судна на момент определения последней производной глубины. Обучающая выборка содержит не только записи, полученные по результатам предполагаемых предварительных промеров, но и их зашумленные видоизменения, полученные при помощи датчиков случайных чисел. Контрольная выборка содержит исключительно промерные данные. Для обучения нейронной сети используется метод Adamax. В качестве критерия качества работы нейронной сети используется наибольшее значение модуля ошибки координаты на контрольной выборке. Моделирование выполнялось на языке программирования Python с библиотекой Tensorflow. Глубина акватории представлена в виде полиномиальной функции координаты, что позволяет вычислять ее производную аналитически. Проведено моделирование, результаты которого свидетельствуют об удовлетворительной точности прогноза координаты нейронной сетью в условиях наличия погрешностей входного сигнала. Выполненные исследования зависимости качества обучения от размера мини-пакета и коэффициента скорости обучения позволяют сделать вывод о том, что данные параметры оказывают существенное влияние на результат, поэтому вопрос их оптимального выбора остается нерешенным и актуальным в рамках рассматриваемой задачи.

Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -581905-870541)

Шифр в сводном ЭК: 468114092e0da56194768e1f295abcda

Заказать
Заказ фрагмента документа ₽