Постоянная ссылка (СИД2) |
J2128739X21 |
Название |
ОПРЕДЕЛЕНИЕ МЕСТОПОЛОЖЕНИЯ СУДНА ПО РЕЛЬЕФУ ДНА ПРИ ПОМОЩИ НЕЙРОННОЙ СЕТИ |
Автор |
Дерябин В. В. |
Источник |
Вестник Государственного университета морского и речного флота им. адмирала С. О. Макарова |
Страницы/Объём |
172-179 |
Сокращ. назв. источника |
Вестн. Гос. ун-та мор. и реч. флота |
Год |
2023 |
Том |
15 |
Номер |
2 |
Адрес в Интернет |
http://elibrary.ru/item.asp?id=53701305 |
Постоянная ссылка (СИД) |
J2128739X |
Ключевые слова (авторские) |
автономный режим|алгоритм расчета|глубина|машинное обучение|местоположение|нейронная сеть|рельеф |
Место хранения |
Удаленный доступ. Эл. регистр. НЭБ |
Дата регистрации в ВИНИТИ |
17.05.2023 |
Язык текста |
русский |
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 |
Тематический раздел |
Автоматика и радиоэлектроника |
Тематический раздел |
Транспорт |
Издательский номер в РЖ |
23.10-05Б.70 |
Издательский номер в РЖ |
24.01-24В.65 |
Шифр ГРНТИ |
73.34.35 |
Шифр ГРНТИ |
47.49.31 |
Ключевые слова |
суда, определение местоположения судна, рельеф дна, глубина, автономный режим, алгоритм расчета, машинное обучение, нейронная сеть, моделирование |
Ключевые слова |
определение местоположения, нейронные сети, нейроны, аппроксимация |