文献

J-GLOBAL ID：202202232120153199   整理番号：22A0979761

最適化BPニューラルネットワークに基づくマルチビームソナー上昇データ予測【JST・京大機械翻訳】

Multi-beam Sonar Elevation Data Prediction Based on Optimized BP Neural Network

著者 (3件)： Liu Lishou (School of automation Wuhan University of Technology,Wuhan,China) ,  Xiong Haojie (School of automation Wuhan University of Technology,Wuhan,China) ,  Lu Yuanhang (School of automation Wuhan University of Technology,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ITOEC  ページ： 883-888  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： BPニューラルネットワークは,人工礁周辺のマルチビームソナーの高度データを用いて訓練された。結果は,ニューラルネットワークが周囲の海底の地形傾向データに基づいてより良い予測結果を得ることができることを示した。GAとPSOを用いて,BPニューラルネットワークの重みと閾値をそれぞれ最適化し,従来のKriging法,Yang Chizhongフィルタリングと推定法,BPニューラルネットワーク,GA-BPニューラルネットワークとPSO-BPニューラルネットワークの予測結果を比較し,解析した。PSO-BPニューラルネットワーク予測モデルが他の方法より優れていることが分かった。人工礁周辺のマルチビームソナー高度データを用いて,人工礁の底面標高データを予測し,立方メートルを計算した。結果は,PSO-BPニューラルネットワークが他の方法より明らかに優れていて,データの予測精度はより高くて,適合効果はより良くて,それは人工礁の立方メートルの監視によく適用できることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  *ニューラルネットワーク ,  フィルタリング ,  海底 ,  予測モデル
準シソーラス用語： 人工リーフ ,  予測精度 ,  *逆伝播ニューラルネットワーク ,  推定法 ,  *マルチビームソナー , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 最適化 ,  BPニューラルネットワーク ,  マルチビームソナー ,  予測