基于NAR神经网络的船舶运动姿态短期预测

来源 :计算机与数字工程 | 被引量 : 0次 | 上传用户:Kila5200
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
船舶在海上作业的过程中,不可避免地会受到风浪的扰动影响,风浪扰动可以分解到船舶运动的六个自由度上,而船舶的六自由度运动是一个复杂的非线性过程。借助预测算法可以对船舶短时间后的运动状态进行预测,从而更好辅助在船舶上的工作活动。为了提升船舶运动姿态的预测精度,建立了非线性自回归(NAR)神经网络模型,并利用NAR模型对船舶运动姿态进行预测仿真,将仿真结果与AR预测法的结果进行对比。仿真结果分析表明,基于NAR神经网络模型的预测算法与传统的基于AR模型的预测算法相比,精度更高,更具有实用价值。
其他文献
为了解决大数据环境下产品质量风险预警的人工智能化,论文设计了一种基于遗传算法改进BP神经网络算法的产品质量安全风险预警方法。根据产品质量检测项目的风险权重不同,论文建立了基于GA-BP神经网络的质量安全风险预警模型。以智能门锁产品的检测数据进行风险预警实验,实验结果表明该预警方法提高了风险预警的精度和学习效率。
针对时间-成本约束下的云资源调度问题,使用三角模糊数表示不确定的任务执行时间,建立了模糊云资源调度模型,调度的目标是降低任务总的执行时间和总的成本消耗,决策变量是任务和虚拟机的映射关系。使用混合粒子群优化算法(RIOPSO)对模糊云资源调度进行求解。该算法使用了正交初始化粒子群的方法,提升粒子初始探索最优调度方案的质量,在粒子搜索过程中使用重新随机化控制粒子的搜索范围,使用实时更新惯性权重的方式控制粒子在搜索中的速度,从而得到最优的调度方案。在Cloudsim仿真平台上使用随机生成的仿真数据,对提出的问题
单目视觉系统融合惯性测量单元的同时定位与地图构建(SLAM)系统,能实现在使用场景上的互补,以及较低的硬件成本,在实际工程应用中越来越受到青睐。最近的研究表明,基于优化的SLAM算法性能优于基于滤波的SLAM算法。基于优化的视觉惯导融合SLAM算法具有高度非线性化的特点,其性能高度依赖于系统初始状态估计的准确性;惯性测量单元需要加速度激励,这意味着不能从静止状态启动,而必须从未知的运动状态启动,因
藏文信息化发展至今已经取得了一定的成果,但存在的问题还有许多。藏文文本校对是实现藏文信息处理的基础,是藏文信息处理必不可少的工作。藏文文本校对的内容较广,方面较多,文中主要以藏文文本的词语校对作为研究的目标,通过使用最大匹配算法的思想在不进行分词的情况下对文本的词语作校对。文中对校对算法进行了叙述,并通过实验验证了该方法是可行性和校对效果。
从跨学科研究生培养的角度,介绍计算思维导论及应用作为广东省研究生示范课程的建设情况,针对医科院校研究生的创新能力培养,以计算思维在医药类学科的实际应用为建设重点,提出进阶式的培养目标和“X+1”的课程体系,阐述课程建设的具体措施,最后说明课程建设的初步成效。
针对粒子群算法在优化SVM参数时,存在着易陷入局部最优,早熟收敛的问题,首先提出了一种用自适应权重来代替惯性权重的粒子群算法,再引入自适应变异对粒子群算法进行优化,增强粒子的种群多样性,使其能够跳出局部最优解,从而达到全局最优。最后,将改进后的算法(GPSO-SVM)应用到UCI标准数据集上进行验证,实验结果表明,改进后的算法提高了粒子的搜索性能,是一种有效的SVM参数优化算法。
针对传统编程教育中存在的问题,结合教学过程中的“打砖块”实际案例,提出运用基于4C/ID模型的任务驱动教学法对小学scratch课堂中遇到的复杂性知识技能进行教学设计,从分析学情、提出教学任务、分析任务、参与任务、评价任务这5个方面介绍基于4C/ID模型的任务驱动教学法在课堂中的实施过程,最后总结该教学法在课堂实施过程需注意的问题。
随着社会的发展,人们大量外出导致拥挤场景越来越多,对人群密度的检测就显得尤为重要。针对人群中由于摄像机视角引起的人与人尺度不一的多尺度问题,提出了一种基于深度语义分割的人群密度检测方法。网络前端采用改进的VGG网络对人群特征进行提取,使输出的特征图为原图1/8以提高预测密度图的准确性,后端设计了两阵列扩张率不同的空洞卷积模块来捕捉人群的多尺度特征,使得网络能够捕捉更多的尺度细节及边缘信息。网络最后
针对网络空间安全专业网络科学课程教学中存在的通用MOOC资源丰富但专业针对性不强、学情掌握难、互动性差等问题,分析国内外知名MOOC平台相关课程资源,提出在SPOC和智慧教学等新型教学模式和手段下,依据课程目标和课程内容开展“MOOC学习+讨论”“线上直播/线下课堂+问卷&练习”的混合式课堂教学设计,介绍依托中国大学MOOC平台开设异步SPOC课程的教学实践,最后通过数据说明教学实践效果。
网络社区划分是从社会网络中进行概念认知、模式学习的基础,也是网络背景下机器学习研究的热点问题。为了充分发挥形式概念和网络特征值的双重优势,基于网络形式背景研究网络社区划分问题。首先,将网络结构与节点属性信息相结合给出了网络节点中心度和中心势,使得网络形式背景的网络社区划分综合考虑了网络结构和节点内涵两方面的特征;其次,提出了网络形式背景的网络社区概念,该概念不仅给出了传统形式背景的形式概念,还包含了概念的网络特征值,可以描述该概念在网络中的平均重要度和平均重要度势差;然后,考虑到社会网络划分中多角色与网络