深度堆栈自编码网络在船舶重量估算中的应用

• 作者: 周兆钊 唐俊遥 朱生光 陈健
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 气囊船舶下水 深度学习 反向梯度下降 深度堆栈自编码 逐层无监督学习 参数微调
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 315-320
• 页数: 6页
• 分类号: TP181
• 字数: 5168字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050256

摘要

传统的船舶重量估算方法多数存在误差大、成本高等问题.为此,提出一种基于深度学习的船舶重量估算算法.利用多层神经网络逐层无监督学习训练初始化参数,通过反向梯度下降的方式微调参数.运用深度堆栈自编码网络挖掘深层次的数据特征,并在ShipWE自建数据库上进行分析.实验结果表明,与传统吃水估算方法相比,该算法具有更强的稳定性和更高的准确性,与BP神经网络算法和径向基函数神经网络算法相比,该算法的精度更高,能有效解决船舶估算可信度低的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈健	广东工业大学机电工程学院	68	395	11.0	17.0
2	唐俊遥	广东工业大学机电工程学院	2	1	1.0	1.0
3	朱生光	广东工业大学机电工程学院	1	1	1.0	1.0
4	周兆钊	广东工业大学机电工程学院	1	1	1.0	1.0