文献

J-GLOBAL ID：201102218466296045   整理番号：11A0900015

深部V設計船舶の抵抗性予測へのRBFニューラルネットワークの応用

Application of RBF neural networks to resistance prediction of deep-V planning craft

著者 (4件)： YAO Chao-bang (Coll. of Naval Architecture and Power,Naval Univ.of Engineering, Hubei, Wuhan) ,  DONG Wen-cai (Coll. of Naval Architecture and Power,Naval Univ.of Engineering, Hubei, Wuhan) ,  XU Yong (Coll. of Naval Architecture and Power,Naval Univ.of Engineering, Hubei, Wuhan) ,  YUE Guo-qiang (China Ship Dev. and Design Center, Hubei, Wuhan)
資料名： Haijun Gongcheng Daxue Xuebao  (Haijun Gongcheng Daxue Xuebao)
巻： 22  号： 1  ページ： 39-44  発行年： 2010年 
JST資料番号： C2031A  ISSN： 1009-3486  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 抵抗性,浸水面積,および系列SVとJYKのトリムの測定データに基づいて,RBFニューラルネットワークを深部V設計船舶の抵抗性予測に応用した。制限テストデータに従い,新しい抵抗性修正方式を提示して,それを用いて船底勾配角度の範囲による設計船舶の抵抗性を予測することができた。実験によって,深部V設計船舶の抵抗性予測の方法を確かめ,脊柱を超える最大幅に対する予測脊柱の長さが4~5.5,面積係数が5.5~7,重心の縦方向位置が3%~9%,船尾船底勾配角度が5°~25°であった。同じ精度であれば,問題解決において,RBFネットワークが消費する時間のほうが,BPネットワークが消費する時間よりも短かった。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *ニューラルネットワーク ,  *耐性 ,  船舶 ,  動径基底関数ネットワーク ,  データ ,  測定データ ,  問題解決 ,  トリム ,  縦方向
準シソーラス用語： *抵抗性 ,  RBFネットワーク ,  テストデータ

分類 (1件)： 計算機利用技術一般  (JE01000C)

タイトルに関連する用語 (7件)： 深部 ,  設計 ,  船舶 ,  抵抗性 ,  予測 ,  RBFニューラルネットワーク ,  応用