文献

J-GLOBAL ID：202202213950713775   整理番号：22A0718625

LSTM深層ニューラルネットワークにもとづく船舶の操船運動の同定モデリングと予測

Identification modeling and prediction of ship maneuvering motion based on LSTM deep neural network

著者 (8件)： Jiang Yan (School of Naval Architecture, Ocean and Civil Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Hou Xian-Rui (School of Ocean Science and Engineering, Shanghai Maritime University, Shanghai, China) ,  Wang Xue-Gang (CCCC Fourth Harbor Engineering Institute Co., Ltd., Guangzhou, China) ,  Wang Xue-Gang (Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai, China) ,  Wang Zi-Hao (School of Naval Architecture, Ocean and Civil Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Yang Zhao-Long (School of Naval Architecture, Ocean and Civil Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Zou Zao-Jian (School of Naval Architecture, Ocean and Civil Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Zou Zao-Jian (State Key Laboratory of Ocean Engineering, Shanghai Jiao Tong University, Shanghai, China)
資料名： Journal of Marine Science and Technology (Web)  (Journal of Marine Science and Technology (Web))
巻： 27  号： 1  ページ： 125-137  発行年： 2022年 
JST資料番号： U1597A  ISSN： 0948-4280  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 要旨:本論文では,構成した訓練データから時系列の相関を導出して外部ノイズにロバストな基本モデルを学習可能な,操船運動のMIMOモデル構築のための新規システム同定スキームを提示した。同スキームは長短期メモリ(LSTM)深層ニューラルネットワークを基礎とし,従来のより複雑なネットワーク構造を持つフィードフォワード・ニューラルネットワークより容易に訓練できる。初めにKVLCC2モデルのシミュレーション用標準操船の複数データセット(10°/10°および20°/20°ジグザグ,35°旋回円)に幾つかのレベルのホワイトノイズを人工的に付加して,深層ニューラルネットワークモデルの訓練に適用した。併せて,15°/15°ジグザグ操船データを用いてオーバーフィッティングの問題を緩和するように訓練プロセスを容易化した。次に,修正ジグザグ試験の幾つかのデータセットを用いて,訓練ニューラルネットワークモデルの一般化性能と耐ノイズのロバスト性を検証した。訓練と検証の結果,船体運動の動特性とLSTM深層ニューラルネットワーク計算とのマッピングが正確に対応することが示された。この対応は操船運動の複雑な非線形特性が,深層ニューラルネットワークの標準的訓練手法を用いて時系列計測データから学習できることを示す。より良い一般化性能とロバスト性を備えた等価なLSTM深層ニューラルネットワークモデルを開発し,その操船運動予測精度を検証した。Copyright The Japan Society of Naval Architects and Ocean Engineers (JASNAOE) 2021 Translated from English into Japanese by JST.

シソーラス用語： *操船 ,  *船体運動 ,  *システム同定 ,  機械学習 ,  *ニューラルネットワーク ,  巨大タンカ ,  Gauss雑音 ,  ロバスト性
準シソーラス用語： *LSTMネットワーク ,  ジグザグ ,  訓練 ,  *深層ニューラルネットワーク ,  深層学習 ,  旋回運動 ,  非線形システム同定

著者キーワード (4件)： 船舶操縦 ,  システム同定 ,  深層学習 ,  LSTMネットワーク

分類 (1件)： 船舶性能  (QJ02010Q)

タイトルに関連する用語 (8件)： LSTM ,  深層ニューラルネットワーク ,  船舶 ,  操船 ,  運動 ,  同定 ,  モデリング ,  予測