論文の概要: Response Component Analysis for Sea State Estimation Using Artificial
Neural Networks and Vessel Response Spectral Data
- arxiv url: http://arxiv.org/abs/2205.02375v1
- Date: Thu, 5 May 2022 00:35:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-06 14:24:58.517528
- Title: Response Component Analysis for Sea State Estimation Using Artificial
Neural Networks and Vessel Response Spectral Data
- Title(参考訳): ニューラルネットワークと船舶応答スペクトルデータを用いた海状態推定のための応答成分分析
- Authors: Nathan K. Long, Daniel Sgarioto, Matthew Garratt, Karl Sammut
- Abstract要約: 本研究では,SAWBに基づく海洋状態推定(SSE)に対するモデルフリー機械学習アプローチに焦点を当てた。
その結果, ヒーブ応答と有意波高推定値との間には強い相関が認められた。
設計したSSE方式は,SAWB方式によるモバイルSSEシステムへの将来の適応を約束する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The use of the `ship as a wave buoy analogy' (SAWB) provides a novel means to
estimate sea states, where relationships are established between causal wave
properties and vessel motion response information. This study focuses on a
model-free machine learning approach to SAWB-based sea state estimation (SSE),
using neural networks (NNs) to map vessel response spectral data to statistical
wave properties.
Results showed a strong correlation between heave responses and significant
wave height estimates, whilst the accuracy of mean wave period and wave heading
predictions were observed to improve considerably when data from multiple
vessel degrees of freedom (DOFs) was utilized. Overall, 3-DOF (heave, pitch and
roll) NNs for SSE were shown to perform well when compared to existing SSE
approaches that use similar simulation setups. Given the information-dense
statistical representation of vessel motion responses in spectral form, as well
as the ability of NNs to effectively model complex relationships between
variables, the designed SSE method shows promise for future adaptation to
mobile SSE systems using the SAWB approach.
- Abstract(参考訳): 船体を波浪類推(SAWB)として用いることで、波動特性と船体運動応答情報との間に関係が確立された海相を推定する新しい手段が提供される。
本研究では,SAWBに基づく海洋状態推定(SSE)に対するモデルフリー機械学習アプローチに着目し,ニューラルネットワーク(NN)を用いて船体応答スペクトルデータを統計的波動特性にマッピングする。
その結果,ヒーブ応答と有意な波高推定値との間に強い相関が認められたが,多自由度データ(dofs)を用いた場合,平均波周期と波向予測の精度は有意に向上した。
SSE の 3DOF (heave, pitch, roll) NN は,SSE と類似のシミュレーション装置を用いた既存の SSE の手法と比較して,良好な性能を示した。
スペクトル形式での血管運動応答の統計表現とnnsが変数間の複雑な関係を効果的にモデル化する能力を考えると、設計したsse法はsawbアプローチを用いたモバイルsseシステムへの将来の適応を期待する。
関連論文リスト
- KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳(メタデータ) (2024-07-18T05:48:24Z) - Assessing Neural Network Representations During Training Using
Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。
データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。
本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
論文 参考訳(メタデータ) (2023-12-04T01:32:42Z) - Qubit Dynamics beyond Lindblad: Non-Markovianity versus Rotating Wave
Approximation [0.0]
量子ビットと環境自由度の間の相互作用における微妙な効果は、徐々に関連性を持ち、実験的に見えるようになる。
これは特に、量子ビット演算において最もよく用いられる数値シミュレーションプラットフォームの基礎となる時間スケールの分離に適用される。
i)これらの時間スケール分離の違反を実験的に監視できる範囲と、(ii)どれが最も深刻で高精度な予測を行うことができるかという質問に光を当てた。
論文 参考訳(メタデータ) (2023-08-11T09:16:07Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳(メタデータ) (2023-05-18T12:30:26Z) - Estimation of Sea State Parameters from Ship Motion Responses Using
Attention-based Neural Networks [0.6193838300896448]
本研究では, 船舶のピッチ, ヒーブ, ロール運動の時系列データから, 海の状態パラメータを推定するための新しいアテンションベースニューラルネットワーク(AT-NN)を適用した。
改良された最先端技術による提案手法により,MSEを23%,MAEを16%削減できることが実証された。
論文 参考訳(メタデータ) (2023-01-21T13:21:50Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳(メタデータ) (2022-08-18T15:27:40Z) - A Data Driven Method for Multi-step Prediction of Ship Roll Motion in
High Sea States [15.840386459188169]
本稿では, 海上における船の転がり動作の多段階予測を実現するための新しいデータ駆動手法を提案する。
ConvLSPTMNetと呼ばれるハイブリッドニューラルネットワークは、長い短期記憶(LSTM)と1次元畳み込みニューラルネットワーク(CNN)を実行するために提案されている。
その結果, ロール動作の多段階予測において, ConvNetはLSTM法やCNN法よりも精度が高いことがわかった。
論文 参考訳(メタデータ) (2022-07-26T06:26:00Z) - Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。
既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。
本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文 参考訳(メタデータ) (2022-03-11T10:47:16Z) - Recurrent-type Neural Networks for Real-time Short-term Prediction of
Ship Motions in High Sea State [0.0]
船体運動のリアルタイム短期予測(流速予測)において, 繰り返し型ニューラルネットワークの予測能力について検討した。
インシデント波の時系列、船の動き、舵角、および浸漬プローブが、現在放送問題の変数として使われている。
論文 参考訳(メタデータ) (2021-05-27T12:58:15Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。
上記のプロパティをすべて享受する既存のメソッドはありません。
本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
論文 参考訳(メタデータ) (2020-02-25T15:12:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。