深度神经网络在船舶自动舵中的应用

摘要：

为了改进现有船舶自动舵的控制精度,提高自动舵的自适应能力,提出一种基于深度置信网络(DBN)的自动舵控制算法.首先,利用对比散度算法,结合上海海事大学高级船员考试系统中记录的数据,对组成DBN的每一层受限玻尔兹曼机(RBM)模型依次进行预训练,并将结果作为深度神经网络权重的初值.在此基础上,使用反向传播算法,进行多层深度结构的微调训练.仿真实验表明,该方法与资深船长的模拟操船误差仅为5.2％.

关键词：自动舵、深度置信网络、对比散度算法、受限波尔兹曼机、深度神经网络、反向传播算法

所属期刊栏目：41

分类号：TN830.1-34;U665(无线电设备、电信设备)

资助基金：国家自然科学基金51379121;国家自然科学基金61304230;上海市曙光人才计划项目资助15SG44;江汉大学博士启动基金1008-06600001;湖北省教育厅科学研究计划指导性项目B2018254

在线出版日期：2019-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：39-42,47