FRA-LSTM:前方および逆サブネットワークの融合に基づく船舶軌道予測法【JST・京大機械翻訳】

Chen Jin; Li Xingchen; Xiao Ye; Chen Hao; Zhao Yong

プレプリント

J-GLOBAL ID：202202201500739193 整理番号：22P0276766

FRA-LSTM:前方および逆サブネットワークの融合に基づく船舶軌道予測法【JST・京大機械翻訳】

FRA-LSTM: A Vessel Trajectory Prediction Method Based on Fusion of the Forward and Reverse Sub-Network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月19日プレプリントサーバーでの情報更新日： 2023年04月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

船舶の容量を改善し,海上交通安全を確保するために,船の知的軌道予測は,船のスマートナビゲーションとインテリジェント衝突回避システムにおいて重要な役割を果たす。しかし,現在の研究者は,短期または長期血管軌道予測に焦点を当て,それは,軌道予測の不十分な精度および包括的な歴史的軌跡データの徹底的なマイニングの欠如をもたらす。本論文では,フォワードサブネットワークと逆サブネットワーク(FRA-LSTMと呼ぶ)の融合に基づく自動同定システム(AIS)データ駆動型長期メモリ(LSTM)法を提案し,血管軌跡を予測した。著者らの方法におけるフォワードサブネットワークは,LSTMと注意機構を結合して,フォワード歴史的軌道データの特徴をマイニングする。同時に,逆サブネットワークは双方向LSTM(BiLSTM)と後方歴史的軌道データの特徴をマイニングするための注意機構を結合した。最後に,最終予測軌道を,前方および逆サブネットワークの出力特徴の融合により発生させた。多くの実験に基づいて,著者らは,短期および中期軌道を予測する著者らの提案方法の精度が,BiLSTMおよびSeq2seqと比較して,平均で96.8%および86.5%増加したことを証明した。さらに,著者らの方法の平均精度は,長期軌道の予測において,BiLSTMおよびSeq2seqと比較して,90.1%高かった。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る