排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
摘要:在海况环境下,进行船舶运动预测时。由于惯性传感器采集系统本身的电学特性,会产生偏移误差,严重影响一般预测方法的准确性。针对这一问题,在常规LSTM神经网络的基础上,设计改良了一种二元的LSTM网络架构。在船舶运动仿真平台上进行模拟船舶升沉运动实验,并通过惯性传感系统测量仿真平台实时积分位移进行计算验证。验证统计该网络预测结果峰差值均方差0.64%,均值均方差0.42%,峰值均方差0.57%,证实该网络较常规LSTM在船舶运动预测领域具有更好的针对性和适应性,更准确的还原预测实际的船舶运动轨迹。 相似文献
2.
基于二元LSTM神经网络的船舶运动预测算法研究 总被引:1,自引:1,他引:0
在海况环境下,进行船舶运动预测时。由于惯性传感器采集系统本身的电学特性,会产生误差偏移,影响预测的准确性。针对这一问题,在常规长短期记忆网络(LSTM)的基础上,设计改良了一种二元的LSTM网络架构。在船舶运动仿真平台上进行模拟船舶升沉运动实验,并通过惯性传感系统测量仿真平台实时积分位移进行计算验证。验证统计该网络预测结果峰差值均方差0.64%,均值均方差0.42%,峰值均方差0.57%,证实该网络较常规LSTM在船舶运动预测领域具有更好的针对性和适应性,更准确的对船舶运动进行预测。 相似文献
1