应用基础与工程科学学报
應用基礎與工程科學學報
응용기출여공정과학학보
JOURNAL OF BASIC SCIENCE AND ENGINEERING
2012年
3期
455-463
,共9页
朱金善%孙立成%尹建川%李铁山
硃金善%孫立成%尹建川%李鐵山
주금선%손립성%윤건천%리철산
可识别性%BP神经网络%船舶号灯%仿真
可識彆性%BP神經網絡%船舶號燈%倣真
가식별성%BP신경망락%선박호등%방진
建立基于误差反传神经网络的船舶号灯智能识别模型,在众多的号灯识别参数中进行优化分析,确定了能见度、号灯亮度、背景亮度和眩光4个重要输入参数；利用这4个参数,基于误差反传神经网络对船舶号灯的可识别性进行建模和仿真,比较利用Levenberg-Marquart( L-M)、动量梯度下降、变学习率动量梯度下降和弹性反向传播等学习算法建立的误差反传神经网络模型,并确定L-M算法具有最优结果.通过号灯识别的仿真结果表明,识别结果与航海专家评估的结果一致.本模型实现了复杂光环境下船舶号灯可识别性的预报和影响因素分析,对保障船舶的夜航安全有着重要意义.
建立基于誤差反傳神經網絡的船舶號燈智能識彆模型,在衆多的號燈識彆參數中進行優化分析,確定瞭能見度、號燈亮度、揹景亮度和眩光4箇重要輸入參數；利用這4箇參數,基于誤差反傳神經網絡對船舶號燈的可識彆性進行建模和倣真,比較利用Levenberg-Marquart( L-M)、動量梯度下降、變學習率動量梯度下降和彈性反嚮傳播等學習算法建立的誤差反傳神經網絡模型,併確定L-M算法具有最優結果.通過號燈識彆的倣真結果錶明,識彆結果與航海專傢評估的結果一緻.本模型實現瞭複雜光環境下船舶號燈可識彆性的預報和影響因素分析,對保障船舶的夜航安全有著重要意義.
건립기우오차반전신경망락적선박호등지능식별모형,재음다적호등식별삼수중진행우화분석,학정료능견도、호등량도、배경량도화현광4개중요수입삼수；이용저4개삼수,기우오차반전신경망락대선박호등적가식별성진행건모화방진,비교이용Levenberg-Marquart( L-M)、동량제도하강、변학습솔동량제도하강화탄성반향전파등학습산법건립적오차반전신경망락모형,병학정L-M산법구유최우결과.통과호등식별적방진결과표명,식별결과여항해전가평고적결과일치.본모형실현료복잡광배경하선박호등가식별성적예보화영향인소분석,대보장선박적야항안전유착중요의의.
