发明名称 |
一种基于在线快速自组织模糊神经网络的船舶领域模型的辨识方法 |
摘要 |
本发明提出了一种基于在线快速自组织模糊神经网络的船舶领域模型的辨识方法,具有如下步骤:选定船舶安全区域模型,确定该模型的函数、输入变量和期望输出值;建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络;使用包含所述模型的输入变量和输出值的训练数据集,对所述动态模糊神经网络进行训练直至达到精度要求;将两艘对应船舶的航行参数,作为输入变量输入训练完毕后的船舶安全区域模型,得到两艘船舶的船舶安全区域。由于采用了上述技术方案,相对与传统的船舶领域模型,经过本发明修正的安全模型,具有更好的精度,安全性也更高。 |
申请公布号 |
CN103186815A |
申请公布日期 |
2013.07.03 |
申请号 |
CN201310115642.1 |
申请日期 |
2013.04.03 |
申请人 |
大连海事大学 |
发明人 |
王宁;董诺;刘刚健;孟凡超;孙树蕾;汪旭明 |
分类号 |
G06N3/02(2006.01)I |
主分类号 |
G06N3/02(2006.01)I |
代理机构 |
大连东方专利代理有限责任公司 21212 |
代理人 |
李馨;李洪福 |
主权项 |
一种基于在线快速自组织模糊神经网络的船舶领域模型的辨识方法,具有如下步骤:—选定船舶安全区域模型,确定该模型的函数、输入变量和期望输出值;—建立包含输入层、隶属函数层、T‑范数层和输出层的动态模糊神经网络;—使用包含所述模型的输入变量和输出值的训练数据集,对所述动态模糊神经网络进行训练直至达到精度要求;—将本船的航行参数,作为输入变量输入训练完毕后的船舶安全区域模型,得到本船的船舶安全区域。 |
地址 |
116026 辽宁省大连市高新区凌海路1号 |