抽象性
论文深入探讨神经混淆方法解决重交通区内防止船舶碰撞问题作者展示使用游板组成学习样本元素技术作者证明使用神经错乱系统是合情合理的,代代法不聚类执行作者调查优化对质量差异的影响研究人员定义最优成员函数生成神经模糊系统输入语言变量
开工导 言
避免船舶重交通区碰撞问题一号仍然紧急上报上2作者报告自动识别系统数据预测预期危险模式概念地理信息系统整合、国际海上避免碰撞规则以及对各种导航船案例进行彻底调查使系统有机会生成安全避免船舶碰撞路线和海洋特征发件人3建构系统以预防ECDIS(电子图表显示和信息系统)和AIS(自动识别系统)发生船舶碰撞论文作者4引入自动轨迹规划法和避免碰撞法提供避免船舶碰撞的另一方法就是论文中宣布的贝叶斯网络5..模糊逻辑也成功应用6.....特别是论文7,8专用于支持船上决策系统作者特指海船避免碰撞决策方法8..鼓励作者使用微软视觉Studio依据《国际海上预防碰撞规则》(COLREGs,1972年)建立链表规则清单能够向船主提供适当的避免碰撞算法
报文中九九,10作者提出模型基础是模糊集理论,对重交通区海船碰撞风险排序,以商定导航决策支持,因为安全控制需要模型中用操纵板起草模糊生产规则系统11-13..并使用著名的Mamdani算法算法推理模糊逻辑推理
神经网络技术广泛用于导航问题14,15..例举纸16聚焦神经网络分类海洋目标在恶劣天气条件和海浪时噪声图像报上写到17神经网络成功检测冰山 通过典型纹理特征 从卫星合成孔径雷达图像神经网络成功用于提高雷达数据对容器的准确定位问题18号设计激光测量系统19号..
神经网络也证明成功警告20码,21号..导航实践补充部分中值得注意多项调查特别是里海短期预报方法使用感知器型神经网络22号由文件开发23号..论文24码处理在线定位容器转转预报、神经网络模型RBF变异性以及通过滑动窗口法调整网络特征能力作者设计预测模型,标注精度结构、快速处理和高度测量精度
神经网使用有明显的好处22号,它有可能改进对船舶碰撞风险的预测此外,还取得了长足进展。例举纸25码关于避免船舶碰撞方法策略的评论使用人工神经网络、最优控制理论方法26,27号和游戏理论论文28码并提及自主导航系统 机器人潜艇基础 自适应神经控制器
提高模糊系统效果35码作者混合人工神经网络理论成份后设计神经混淆网络36号,37号..反之,神经阻塞船碰撞系统以它为基础本文提交模拟模拟结果
二叉材料方法
重交通区内神经阻塞系统是一个自适应神经阻塞推理系统22号,36号,37号由5层组成系统定义多层前向神经网络,没有任何反馈特征模糊逻辑推理算法判断神经网络 是一种模糊逻辑推理算法aNFIS模型用于重交通区开发神经阻塞系统基础Takagi-Sugeno fudzi推理系统,该系统可高解高效计算
ANFIS第一层是成员函数层第一层有混淆i. e. 模糊集与源值(输入量)和目标语言变量相对应
神经阻塞船碰撞系统在重交通区观察论文一号包括四种输入语言变量
电子撞击目标船,即操作器船需要安全避免碰撞
船舶操作者课程
目标定点课程,即重交通区内的船舶,必要时需避免碰撞
目标船速度35码和唯一输出语言变量,即运算器-轮廓变换值预计算并输出值对应区间[-60度!360度值对应-60度值为-30度值匹配-30度值为-30度值匹配值为-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx60度表示循环操作(即循环化)
输入数集带值、操作器课程值和Selbel-Objective课程值集为set [0!360度船目标速度源值范围根据俄罗斯海运注册局审查反馈信息确定,[0!34节
第一层执行节点数和输入语言变量集术语权限和面向第一层输出值为成员函数值和输入变量特定值成员函数第一层构成学习过程拟设置的第一组特征
二层ANFIS编程节点数与第二层规则数相同相形之下,每个节点都连接到第一层中组成相应规则馆舍(保证符)的那些节点总体讲,第一层和第二层间链路分布方式使神经模糊网络的每个输入变量都与规则层的每个神经元相关联
二层输出值对应规则的相对度(权值),这些值计算成输入变量成员函数逻辑产值(分解)。
ATFIS第三层为绝对值层,该层输出值通过增加规则层所有节点的输出来确定,二层输出值除以总值保证输出值缩放,提高神经故障网络应变能力
ANFIS第四层为线性组合输出层第四层的每个节点连接前层的一个节点并因此连接神经模糊网络的所有输入第四层确定线性组合系数,结果举例说算法反向转换或混合法,即普通最小方法和偏差反向传播法之组合线性组合系数构成学习过程有待确定的第二组特征
最后,ANFIS第五层为输出总层第五层对应遗留神经网络加法完成解构
学习神经混淆网络分两个阶段并发,这是一个迭代程序,可确定成员函数特征,以尽量减少模型真实行为(或有效行为)与期望行为之间的差异
第一阶段学习样本转到输入层, 神经故障网络第四层的参数建立得如此之快, 以尽量减少引用输出值与神经故障网络计算输出值之间的差异
二级剩余偏差从网络输出转到输入上,后方偏差修改第一层节点参数相形之下,第一阶段产生规则的系数不变
迭代搭建过程持续到差值超过预设值
重交通区内神经故障防波系统基础神经故障网络构建总方法包括下列步骤
步骤1建模学习样本 内含知识 通过学习神经模糊网络
步骤2选择模糊推理参数,即成员函数选择、模糊相交和解构
步骤3选择算法学习并搭建神经模糊网络参数
第四步直接学习神经模糊网络配置两组参数
第五步优化并验证神经模糊网络学习结果
由MATLAB系统Fuzzy逻辑工具箱执行重交通区神经阻塞系统14,15..图中显示模型一号.
此外,还进行了一系列计算机实验来定义以下内容
(1) 最佳成员函数类型用于具体说明输入语言变量条件
(2) 最佳成员函数类型用于说明输出语言变量术语,即一种连接输入输出语言变量(常数或线性系数)的依存类型
最优学习算法:回向转换算法AOPO和OLS综合22号万事通
(4) 神经模糊网络学习周期最优数
设计学习集以模拟神经模糊碰撞系统一开始,通过全面搜索扩展输入范围开发出船舶重交通区不同案例清单并评估操作者轮程上变化值应当指出,调整板上方程后有《国际海上避免碰撞规则》(COLREGS)规则、对规则的评注和对所谓“良好航海技巧”的建议。 最后,输入向量值和与调整板改变操作船课程相匹配值记录为学习样本
作者想介绍设计一对学习并想象船舶沉入重交通区时的情况,图中显示2.运营者距离目标船2里 操作者课程90度 操作者船速15节雷达导航判定目标船航程为330度,对象相向为90度,目标船速度为8节
在上述情况下,目标船就在操作者前方并有碰撞风险,因为操作者与目标船太近正如《国际防止船舶碰撞规则》第16条规定的那样,船舶操作者必须让位免入目标船学者模拟并计算出这个案例后发现新船操作课程将达120度要求船向右转30度,操作者不会与船标相冲突,离船尾安全距离考虑了这种情况后,有可能设置91对学习其余525对培训相似搭建
神经阻塞船碰撞系统模拟用两种模式进行神经模糊网络使用拉特斯方法生成而不聚类,第二,它使用子集群法实现192个不同的神经模糊网络接受了第一种模式培训4个输入语言变量中,每个变量有5个条件反演算法和混合算法使用22号反向剖析被广泛应用解决各种问题, 但算法有一些缺陷, 特别是,“长学习”, 并判定局部或相对性而非全局或绝对小型八大成员函数判定输入语言变量timf(三角MF)、tragmf(traffedolimMF)、gellmf(通用Bell-MF)、Gaussmf(GaussmfsMF)、Gauss2mf(双向高斯MF)、pimf(P-形状MF)、dsigmf(MF差二类函数)、psigmf(二类MF产品)和输出变量常值或线性系数学习间距从100到600
3级结果与讨论
模拟模拟神经发泡船碰撞系统不聚类生成显示最佳方法为混合法学习算法,常数因子输出语言变量类型,2sigmoidMF生成值,2sigmoid函数差值和U形成员函数取输入语言变量
作者从学习错误最小的神经模糊网络中选择六分测试质量评价
3.1.平均绝对错误
maE由公式提供38号万事通 去哪儿N级数模型测试实例 标准值改变操作程序一模型测试用操纵板计数 值改变操作者课程一模型测试使用神经错乱网络计数
3.2根均值广场错误
RMSE使用公式38号万事通
3cm3对称平均绝对百分比错误
SPATE使用公式38号万事通 定性度量值汇总于表一号上图显示结果图3.
第二种模式有288个不同的神经模糊网络培训(144144通过背面偏差法和混合优化法)。子集群法参数变换如下:参数“波控区”介于0.2至0.5阶梯尺寸为0.1,参数Squash因子从1到1.375阶梯尺寸为0.125参数接收率0到0.4阶梯尺寸为0.2参数逆比0对0.3阶梯尺寸为0.15288神经网100学习间隔选择
作者模拟子集群生成模式内神经故障船碰撞预防系统后得出以下结论最优方法为神经模糊网络混合优化法学习算法和免网生成模式,而“感知区位法常数等于0.3,Squash因子最优比为等值1,而参数数等于0.4为接比法
六大神经故障网络选择测试此外,提交人对每一人都做了定性评价。生成表2图表显示4并5.
由作者比较本文显示的结果与重交通区内神经故障防波系统的结果35码中只使用模糊逻辑器
报上写到35码提供模糊系统第一个语言变量调用佩连包括基本词集的下列5个条件:东带、西带、北左带、北右带和南带
第二和第三输入语言变量运算符课程并目标船课程基本术语集由下列元素组成35码左路向北,右道向北,东道向南,西道向西
第四输入语言变量船目标速度拥有基本术语集的下列条件35码定点目标 低速平均速度 高速高速高速
根據《国际防止海上碰撞规则》规则8COLREGS,“如果水量充足,只有航向变化可能是防止碰撞的最有效行动方式。”船主表示,防止海上碰撞的大部分方法都出自课程操作运算符-轮程变化选择输出语言变量
语义变量描述中,模糊集合核心值与术语相对应35码括号内取出多到左转(-60度)、左转(-30度)、保持稳态(方向和速度不变)(0度)、右转(30度)、右转(60度)和环流(360度)。
报上写到35码作者介绍模糊输入输出语言变量的结果,并描述模糊系统产品库特征并描述由模糊逻辑推理设计Mamdani算法.
发件人35码测试重交通带阻塞系统应当指出,同样措施(MAE、RMSE和SPAE)也用于评价质量。四种解形法使用解形法:二分位法和最大值平均值最小法结果汇总表3.
测试重交通区阻塞系统35码发现最佳解构法为croid,但差质值不足以判定海船在重交通区防止碰撞
4级结论
验证模拟神经故障船舶碰撞系统的结果后,作者得出下列结论:两种模式(网格生成不聚类和子集群生成)。
第一,宜使用神经故障船舶碰撞预防系统避免船舶在重交通区碰撞,即生成不聚类即通过拉特斯法保持表结果比较一号并2使用重交通区神经阻塞防碰撞系统证明差分质量优于子集群法产生最优MAE结果可达104级.
第二,混合优化法产生比算法反向调整效果要好得多,同时使用不聚类和子集群法具体地说,QQ产生最佳MAE结果等于3.54-102级混合算法产生maE结果等于5.54级生成子集群法
第三,作者相信开发输入语言变量的最佳结果由成员函数提供,如2sigmoidMF的产物,即2sigmoid函数和U形成员函数之差表结果证明这一点一号.
第四,有必要使用恒定系数来避免神经混淆船舶碰撞系统不聚类生成模式,作为一种输出语言变量类型
归根结底,通过无云聚类法生成了192个神经故障防碰撞系统不同模拟模型,并生成了288个神经故障防碰撞系统,网络通过子集群法生成完成模拟后混合优化法最优化5级)最佳神经阻塞船舶碰撞系统测试证明,它们可以非常准确地判定改变船舶操作程序以避免船舶在重交通区碰撞的价值,这对船舶操作者有危险。作者比较了本文反映的结果,例如与论文提议的重交通区阻塞系统对比35码..发现解构法中心化MEA和RMSE值约10一号和SMAPE约102级产生最佳结果正确的说法是,使用神经网络技术解决问题可大大提高重交通区内海轮安全导航质量。神经故障避免碰撞系统 本研究调查 是智能导航安全系统模块作者今后肯定会继续开发
数据可用性
数据由作者独立获取辅助信息文档中包含支持本研究发现的数据
利益冲突
作者声明他们没有利益冲突
补充素材
补充1.表1_1.xlsx测试神经故障船碰撞系统数据,即不聚类地生成浮点数法,500个培训间隔使用成员函数生成输入语言变量2 sigmoid成员函数并计算必要质量评估计算(MAE、RMSE和SPAE)。
补充2.表1_2.xlsx测试神经故障船碰撞系统数据,即不聚类使用拉特法生成,培训间隔600次,使用成员函数生成二类语言变量组成函数并计算必要质量评估(MAE、RMSE和SPAE)。
补充3.表1_3.xlsx测试神经发泡船碰撞系统数据,即不聚类即生成套装法,培训间隔600次,使用成员函数差分(减法结果)输入语言变量2类函数并计算必要质量评估(MAE、RMSE和SPAE)。
补充4.表1_4.xlsx测试神经阻塞船碰撞系统数据,生成方法不聚类,培训间隔400次,使用成员函数差分(减法结果)输入语言变量2类函数,并计算出必要的质量评估(MAE、RMSE和SPAE)。
补充5.表1_5.xlsx测试神经发泡船碰撞系统数据,即不聚类地生成浮点数法,并有400个培训间隔,使用成员函数生成输入语言变量2类函数并计算必要质量评估(MAE、RMSE和SPAE)。
补充6.表1_6.xlsx测试神经发泡船碰撞系统数据,生成方法不聚类,培训间隔600次,使用U形成员函数输入语言变量,并计算出必要的质量评估(MAE、RMSE和SPAE)。
补充7.表2_1.xlsx测试由子集群生成的神经故障避免船碰撞系统数据,100个培训间隔使用反向反射参数作用范围、Squash因子、接受率和拒绝率等值分别为0.3、1、0和0,并计算出必要的质量评估(MAE、RMSE和SPAE)。
补充8.表2_2.xlsx测试由子集群生成神经故障避免船碰撞系统数据,100个培训间隔,使用反向反射参数作用范围、Squash因子、接受率和拒绝率等值分别为0.3、1.125、0和0,并计算出必要的质量评估(MAE、RMSE和SPAE)。
补充9.表2_3.xlsx测试由子集群生成的神经故障避免船碰撞系统数据,100个培训间隔使用反向反射参数作用范围、Squash因子、接受率和拒绝率等值分别为0.3、1、0和0.15,并计算出必要的质量评估(MAE、RME和SPAE)。
补充10.表2_4.xlsx测试由子集群生成的神经故障避免船碰撞系统数据,100个培训间隔使用混合优化法并带参数作用范围、Squash因子、接受比和拒绝率等值分别为0.3、1、0.4和0,并计算出必要的质量评估(MAE、RMSE和SPADE)。
补充11.表2_5.xlsx测试由子集群生成并有100个培训间隔的神经故障避免船碰撞系统数据使用混合优化法并带参数波及范围、Squash因子、接受比和拒绝率等值分别为0.3、1、0.4和0.15,并计算出必要的质量评估(MAE、RMSE和SPAE)。
补充12.表2_6.xlsx测试由子集群生成的神经故障避免船碰撞系统数据,100个培训间隔使用混合优化法并带参数波及范围、Squash因子、接受比和拒绝率等值分别为0.3、1、0.4和0.3,并计算出必要的质量评估(MAE、RMSE和SPAE)。