Fugu-MT 論文翻訳(概要): Prediction of Unmanned Surface Vessel Motion Attitude Based on CEEMDAN-PSO-SVM

論文の概要: Prediction of Unmanned Surface Vessel Motion Attitude Based on CEEMDAN-PSO-SVM

arxiv url: http://arxiv.org/abs/2404.11443v1
Date: Wed, 17 Apr 2024 14:53:03 GMT
ステータス: 処理完了
システム内更新日: 2024-04-18 13:35:28.195658
Title: Prediction of Unmanned Surface Vessel Motion Attitude Based on CEEMDAN-PSO-SVM
Title（参考訳）: CEEMDAN-PSO-SVMに基づく無人表面容器運動姿勢の予測
Authors: Zhuoya Geng, Jianmei Chen, Wanqiang Zhu,
Abstract要約: 無人船は海上を航行しながら、波乱を緩和するために活動的な補償システムを利用する。本稿では, 波動の基本原理に基づいて, 波動エネルギースペクトルから無人ボートの波動の乱れパターンを導出する。統合予測モデルは、無人船の動作姿勢を予測するために設計されている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Unmanned boats, while navigating at sea, utilize active compensation systems to mitigate wave disturbances experienced by onboard instruments and equipment. However, there exists a lag in the measurement of unmanned boat attitudes, thus introducing unmanned boat motion attitude prediction to compensate for the lag in the signal acquisition process. This paper, based on the basic principles of waves, derives the disturbance patterns of waves on unmanned boats from the wave energy spectrum. Through simulation analysis of unmanned boat motion attitudes, motion attitude data is obtained, providing experimental data for subsequent work. A combined prediction model based on Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN), Particle Swarm Optimization (PSO), and Support Vector Machine (SVM) is designed to predict the motion attitude of unmanned boats. Simulation results validate its superior prediction accuracy compared to traditional prediction models. For example, in terms of mean absolute error, it improves by 17% compared to the EMD-PSO-SVM model.
Abstract（参考訳）: 無人船は、海上を航行しながら、機材や機器で経験した波乱を緩和するために、アクティブな補償システムを利用する。しかし,無人船の姿勢測定には遅延があり,信号取得過程における遅延を補うために無人船の姿勢予測を導入する。本稿では, 波動の基本原理に基づいて, 波動エネルギースペクトルから無人船の波動の乱れパターンを導出する。無人船の動作姿勢のシミュレーション解析により、動作姿勢データを取得し、その後の作業のための実験データを提供する。適応雑音を用いた完全アンサンブル経験モード分解(CEEMDAN)、粒子群最適化(PSO)、支援ベクトルマシン(SVM)に基づく予測モデルを構築し、無人船の動作姿勢を予測する。シミュレーションの結果,従来の予測モデルよりも優れた予測精度が得られた。例えば、平均絶対誤差では、EMD-PSO-SVMモデルと比較して17%改善する。

関連論文リスト

MotionWavelet: Human Motion Prediction via Wavelet Manifold Learning [57.078168638373874]
MotionWaveletは、空間周波数領域における人間の動きパターンを研究する人間の動き予測フレームワークである。ウェーブレット拡散モデルでは、動作データにウェーブレット変換を適用することでウェーブレット多様体を学習する。ウェーブレット空間形状誘導機構は、デノナイジングプロセスを洗練し、多様体構造との整合性を改善する。
論文参考訳（メタデータ） (2024-11-25T22:09:19Z)
Analysis and Forecasting of the Dynamics of a Floating Wind Turbine Using Dynamic Mode Decomposition [0.0]
本稿では, 動的モード分解(DMD)に基づくヘキサフロート浮揚風力タービンの動特性の, データ駆動式フリーモデリングについて述べる。フローティングシステムに作用する動き,加速度,力の予測アルゴリズムを開発した。その結果,システム状態の短期的将来予測に対するアプローチの能力が示され,リアルタイムな予測と制御が可能となった。
論文参考訳（メタデータ） (2024-11-08T18:38:29Z)
Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文参考訳（メタデータ） (2024-07-18T15:44:23Z)
AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
論文参考訳（メタデータ） (2024-03-20T06:22:37Z)
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)
Ship Performance Monitoring using Machine-learning [2.1485350418225244]
船舶の流体力学性能は, 海洋汚濁や防汚塗料システムの条件などにより, 寿命によって異なる。現在の研究は機械学習(ML)手法を用いて、オンボードで記録されたサービス内データを用いて船の流体力学的性能を推定する。
論文参考訳（メタデータ） (2021-10-07T16:18:16Z)
Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文参考訳（メタデータ） (2021-07-14T21:10:47Z)
Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
論文参考訳（メタデータ） (2021-03-11T15:21:08Z)
Motion Prediction Using Temporal Inception Module [96.76721173517895]
人間の動作を符号化するTIM(Temporal Inception Module)を提案する。本フレームワークは,異なる入力長に対して異なるカーネルサイズを用いて,畳み込み層を用いて入力埋め込みを生成する。標準的な動き予測ベンチマークデータセットであるHuman3.6MとCMUのモーションキャプチャデータセットの実験結果から,我々の手法は一貫して技術手法の状態を上回ります。
論文参考訳（メタデータ） (2020-10-06T20:26:01Z)
A nudged hybrid analysis and modeling approach for realtime wake-vortex transport and decay prediction [0.0]
流れの縮小秩序モデル (ROM) を強化するための長期記憶 (LSTM) ヌージングフレームワークは, 騒音測定を利用して航空交通改善を行った。我々は、現実的な応用において、初期および境界条件、モデルパラメータ、および測定に不確実性が存在するという事実に基づいて構築する。 LSTM nudging (LSTM-N) 法では,不完全なGROMと不確実な状態推定を組み合わせた予測とスパーシアンセンサ測定を併用して,動的データ同化フレームワークにおいてより信頼性の高い予測を行う。
論文参考訳（メタデータ） (2020-08-05T23:47:15Z)
Predicting heave and surge motions of a semi-submersible with neural networks [4.0097067208724955]
半潜水艇のヒーブ動作とサージ動作を予測するために,LSTM(Long Short-term memory)に基づく機械学習モデルを開発した。測定波の助けを借りて、予測は46.5秒を将来まで延長し、平均精度は90%近くになった。
論文参考訳（メタデータ） (2020-07-31T11:24:46Z)

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。