模糊的方法作为一种防止海上船舶事故的交通拥挤区域

文摘

本文阐述模糊的方式来解决该问题的方法论船舶碰撞预防交通拥挤区。作者的技术使用操纵董事会组成学习样本的元素。作者证明它是合理使用模糊系统,一代是由晶格没有聚类方法。作者调查质量优化的效果差异。研究人员定义最优隶属度函数,用于生成的输入语言变量模糊系统。

1。介绍

尽管有显著的积极成果,船舶避碰的问题在交通拥挤区(1)仍然是迫切的。所以,在文献[2]作者报告预期危险模式的概念(地区)投射在自动识别系统的数据。地理信息系统的集成,国际海上避碰规则(COLREGs),和一个彻底的调查各种导航容器的情况下为系统提供了一个机会来生成一个安全的船舶碰撞预防路线和海上的特性。作者(3)建议类似的任务组成的一个系统,防止在航行船舶碰撞(电子海图显示与信息系统)和AIS(自动识别系统)。论文的作者(4引入自动轨迹规划的方法和避碰使用APF(人工势场)搜索方法和速度向量。另一种方法中声明提供船舶避碰是贝叶斯网络文献[5]。模糊逻辑也成功应用(6对这类问题)。尤其是论文(7,8)是专门的决策支持系统进行船舶。因此,作者指定的方法对海上船舶避碰决策的研究(8]。鼓励作者使用Microsoft Visual Studio建立规则列表根据国际海上避碰规则(COLREGs, 1972)。列表可以提供一个适当的船避碰算法掌握海上交通评估后,根据船舶交通服务(VTS)。

在报纸上(9,10)作者提出一个模型基于模糊集理论对海上船舶碰撞的风险在一个交通拥挤区同意导航决策支持,因为船的安全控制需要。在这个模型中,一个操纵板用于模糊产生式规则系统(草案11- - - - - -13]。此外,知名Mamdani算法作为模糊逻辑算法的结论。

这些天,神经网络技术广泛应用于导航问题[14,15]。例如,纸(16]关注海洋目标噪声图像的神经网络分类在恶劣的天气条件和海浪。在文献[17)神经网络成功的典型纹理特征检测冰山卫星合成孔径雷达的形象。此外,神经网络已成功应用的问题改善船舶从雷达数据的精确位置18和激光测量系统设计19]。

神经网络也在警告[被证明是成功的20.,21]。许多调查导航中值得注意的补充练习。特别是,里海的短期预测的方法论水平通过perceptron-type神经网络(22]本文开发[23]。摘要(24)处理在线预测的操纵船舶,RBF神经网络模型自然变异,和滑动窗口调整网络特性的方法。作者设计了一种预测模型,精简结构,快速处理,和高度的测量精度。

使用神经网络(也有明显的益处22),它可能是能够提高船舶碰撞风险的投影。此外,已取得重大进展。例如,纸(25)评价方法和船舶避碰策略使用人工神经网络,最优控制理论方法(26,27),和一个游戏理论。摘要(28)还提到了一个机器人的自主导航系统基于一种适应性neurocontroller潜艇。

数篇论文(29日- - - - - -34]在连接与发展中也应该注意方法,防止船舶碰撞。

为了提高模糊系统的影响(35),作者进行了杂交涉及人工神经网络理论的元素,导致设计一个模糊网络(36,37]。反过来,一个模糊的船舶碰撞预防系统是基于它的。本文提交的结果模拟模型。

2。材料和方法

模糊船舶碰撞预防系统在交通拥挤区是一个自适应模糊推理系统(简称ANFIS) [22,36,37),由5层组成。这样的系统被定义为一个多层前馈神经网络没有任何反馈。它的功能是模糊逻辑推理。但作出决定的一个算法神经网络是一个模糊逻辑推理算法。简称ANFIS模型用于模糊船舶碰撞预防系统在交通繁忙区域开发是基于Takagi-Sugeno模糊推理系统,这是高度可翻译的和高效的计算。

简称ANFIS的第一层是一层隶属度函数。有一个在第一层模糊化;即。,fuzzy sets are established corresponding to the terms of source (input) and target (output) linguistic variables.

模糊船舶碰撞预防系统在交通拥挤区观察到纸(图1包括四个输入语言变量:

(我)电子方位目标船,即。,on that one to which the operator vessel needs to prevent collision safely

(二)ship操作符

(3)课程目标船,即。,a vessel in a heavy traffic zone, to which, if necessary, it is required to prevent collision

(iv)靶船的速度(35),以及唯一的输出语言变量,这是operator-vessel课程的价值变化计算操纵董事会事先与相对应的输出值区间(-60°;360°),-60°的值对应于术语“向左”到-30°的值对应于术语“左”,0°的值对应于术语“保持稳定”(无论是过程还是operator-vessel的速度变化);60°代表“向右”的价值30°意味着这个词“,”和360°的价值意味着机动(AmE)或策略(BrE)的循环(即“循环”一词)

输入值的集合“轴承”,“ship操作符课程”和“vessel-target课程”是一组(0;360°。ship-target速度的范围值决定根据信息来源审查反馈的俄罗斯海上船舶登记局(RS), [0;34节。

在第一层节点的数目等于项之和的输入语言变量集。第一层的输出值集中的值输入变量的隶属度函数与特定的值。隶属度函数的特点在第一层组成第一批功能设置在学习过程。

简称ANFIS的第二层是一层模糊产生式规则。节点的数目是一样的规则数量在第二层。此外,每个节点连接到那些在第一层,形成相应的规则的前提(祖先)。一般来说,第一次和第二次之间的联系的分布层执行以这样一种方式,每个输入变量的模糊神经元网络与每个规则的层。

第二层的输出值对应的相对程度(权重)规则,计算为一个逻辑产品(十字路口)的输入变量的隶属度函数。

简称ANFIS的第三层是一层的输出值绝对值这一层是由添加规则的所有节点的输出层和分裂的每个输出值在第二层的总价值。这确保比例输出值,这样就增加了模糊网络的弹性。

简称ANFIS的第四层是输出层的线性组合。每个节点的第四层是连接到一个节点的上一层,因此,所有输入的模糊网络。第四层有确定系数的线性组合,因此,例如,一个反向传播算法(backpropa)或混合,这是一个组合的方法的普通最小二乘(OLS)和反向传播的错误(backpropa)。系数的线性组合构成的特性来确定第二组学习的过程。

最后,简称ANFIS的第五层是输出层。第五层,对应的加法器遗留神经网络,完成去模糊化。

学习一种模糊网络,这是两个阶段的组合,是一个迭代过程,允许确定隶属度函数的特性,减少之间的差异“真实(或有效)和期望的行为的模式。”

在第一阶段,学习样本的输入,然后第四层的模糊网络的参数设置以这样一种方式以减少参考输出值之间的差异,计算模糊网络的输出。

在第二阶段,剩余差异转移从网络输入输出,和backpropa修改节点的参数在第一层。此外,结论的系数在第一阶段产生的规则不改变。

设置迭代过程一直持续到差异超过预设值。

因此,构造模糊网络的通用方法的模糊船舶碰撞预防系统在交通拥挤区包括以下步骤。

步骤1。形成对学习样本,其中包含隐含的知识,揭示由于学习模糊网络。

步骤2。选择模糊推理参数,即。,selection of membership functions, fuzzy intersection, and defuzzification.

步骤3。选择一个学习算法和模糊网络的设置参数。

步骤4。直接学习的模糊网络配置两组参数。

第5步。优化和验证学习成果的一个模糊网络。

模糊的实现船舶碰撞预防系统在交通拥挤区进行了MATLAB模糊逻辑工具箱的系统[14,15]。模型如图1。

此外,一系列的计算机实验进行了定义如下。

(1)最好的隶属函数类型用于指定输入语言变量

(2)最好的隶属函数类型用于指定输出语言变量的条件,即。,a type of dependence that connects input and output linguistic variables (constant or linear coefficients)

(3)最好的学习算法:反向传播算法(АОРОbackpropa)或混合算法。他们是一个组合AOPO和OLS (22]

(4)最优模糊网络学习的周期数

一套学习设计进行仿真建模的模糊碰撞船舶预防系统。首先,列出不同的情况下与船舶交通拥挤区是通过开发一个完整的搜索输入范围扩大了。然后,每个特定情况下的方程和评估改变值的运营商船舶操纵董事会了。应该注意的是,方程操纵董事会随后的规则国际海上避碰规则(COLREGS),评论,和建议在所谓“良好的船艺。”最后,输入向量的值和相对应的价值,一个由操纵董事会改变运营商船被记录在一个学习样本。

作者想要呈现的方式设计一个学习对。他们还想象情况当船舶在一个交通繁忙区域,如图2。ship操作符到目标船的距离是2英里,ship操作符课程是90度,和运营商船速度是15节。雷达导航确定课程目标船是330度,一个对象轴承是90度,和目标船的速度是8节。

描述的情况下,目标船正前方ship操作符和碰撞的危险,因为ship操作符和目标船太接近对方。是16规则规定的国际海上船舶避碰规则,ship操作符必须让路而不是运行到目标船。在模拟这种情况下操纵董事会,并计算它,学者发现新的ship操作符是120度。它需要把船向右30度和ship操作符不会撞上ship-target船船尾在一个安全的距离。在考虑这种情况可以设置一个学习对编号为91。其余的525个训练对类似的设置。

仿真模型的模糊船舶碰撞预防系统进行了两种模式。首先,模糊网络使用点阵方法没有聚类,生成,其次,它是由subclustering方法。192种不同的模糊网络训练的第一模式。他们每个人有五个在一年的四个输入语言变量。虽然反向传播算法和混合使用(22),反向传播已被广泛应用于解决各种问题,但算法有许多缺点,特别是,“很长一段时间的学习,以及确定本地或相对而不是全球或绝对最小值。作者使用了八个不同的隶属度函数(MF)来确定输入语言变量。他们trimf(三角MF), trapmf(梯形MF), gbellmf(广义钟形MF), gaussmf(高斯的MF), gauss2mf双边高斯(MF), pimf (P -形状的MF), dsigmf (MF区别两个乙状结肠函数),psigmf(两个乙状结肠MF的乘积),和常数或线性系数为输出变量。学习间隔编号从100年到600年。

3所示。结果与讨论

由于仿真建模的模糊模式的船舶碰撞预防系统光栅代没有集群,这是显示最好的混合学习算法,方法不变的因素是一种输出语言变量,两个乙状结肠的乘积,曼氏金融两个乙状结肠函数之间的区别,和u型隶属函数得到输入语言变量。

作者选择了学习的模糊网络学习最少的错误。他们给每一个测试和质量评价。

3.1。平均绝对误差

美是由公式(38] 在哪里N基于模型的测试实例,是一个标准的价值改变的ship操作符的课程吗我与操纵板模型测试统计,的值是变化的ship操作符的课程吗我使用模糊网络模型测试,统计。

3.2。均方根误差

RMSE是由公式(38]

3.3。对称平均绝对百分比误差

SMAPE是由公式(38] 定性的措施归纳在表格的值1,生成的图在图3。

第二模式,288种不同的模糊网络训练由backpropa和混合优化方法(144/144)。subclustering方法的参数变化如下:参数“影响范围”从0.2到0.5;步长为0.1,参数“南瓜因素”从1到1.375;步长是0.125;“接受比”参数从0到0.4;步长是0.2;和参数“废品率”从0到0.3;步长是0.15。100年所有288个模糊网学习间隔被选中。

作者得出以下结论后模拟模糊subclustering船舶碰撞预防系统的生成模式。最好的方法是混合优化方法为模糊网络学习算法,以及供电一代模式,而“影响范围”不断= 0.3,“南瓜因素”是最好的率等于1的参数,以及参数等于0.4为“接受比率。”

六个最佳模糊网络选择测试。此外,作者让他们每个人定性评价。结果表2提出了数据4和5。

让作者比较结果与模糊的结果提出了船舶碰撞预防系统在交通拥挤区(35),只使用模糊逻辑设备。

在文献[35),提出了模糊系统。第一个语言变量Peleng包括以下五个方面的基本术语集:东方轴承,轴承、西部北部左轴承,轴承,北部和南部轴承。

第二个和第三个输入语言变量operator-vessel课程和靶船课程下面有一个基本的术语组成元素(35]:左向北,北正确的课程,向南和向西向东航行。

第四个输入语言变量ship-target速度有以下条款的基本术语(35]:固定目标、低速度、平均速度、速度高,一个非常高的速度。

根据规则8点在国际海上避碰规则,COLREGS”,如果有足够的水,只有一门课程改变可能是最有效的方式行动,防止碰撞。“Boatmasters状态,大多数的方法防止海上碰撞将演习。所以,operator-vessel课程选择的变化为输出语言变量。

描述的条款为输出语言变量的值模糊集芯对应条款(35]给出括号中:左(-60°),左侧(-30°),保持稳定(不改变课程和速度)(0°),向右(30°),右边(60°),循环(360°)。

在文献[35]提出的结果显示输入和输出语言变量的模糊化,以及模糊系统产品基地的特点设计的模糊逻辑推理算法的描述Mamdani算法。

作者(35)测试了模糊船舶碰撞预防系统在交通拥挤区域。应该注意的是,相同的措施(美、RMSE SMAPE)也被用来评估质量。四个去模糊化方法用作defuzzy:重心,平分线,意味着最大值和最小的最大值。结果总结在表3。

由于测试模糊船舶碰撞预防系统在交通拥挤区提供35),发现最好的去模糊化方法是重心,但质量差异值不足以决定在海上船舶碰撞预防交通拥挤区域。

4所示。结论

在验证了模拟结果的模糊船舶碰撞预防系统模式(grid-generated没有集群和subclustering生成),作者得出以下结论。

首先,建议使用模糊船舶碰撞预防系统在交通繁忙区域,避免船舶碰撞,一代通过晶格举行没有聚类方法。的比较的结果表1和2证明更好质量的差异使用模糊船舶碰撞预防系统在交通拥挤区与一代点阵方法没有subclustering方法生成的聚类相比,生产最好的美结果与10⁻⁴。

第二,优化的混合方法给出更好的结果比反向传播算法在使用点阵方法没有集群和subclustering。特别是,АОРО产生最好的美结果等于3.54×10⁻²,而混合算法产生美结果等于5.5×10⁻⁴当由subclustering方法生成。

第三,作者认为最好的结果发展给出输入语言变量的隶属度函数两个乙状结肠MF的乘积作为两个乙状结肠函数和一个u型的隶属函数之间的区别。证明的结果表1。

第四,有必要把常系数的模糊模式的船舶碰撞预防系统光栅代没有集群,作为输出语言变量的类型。

总之,192种不同的模拟模型的模糊船碰撞预防系统通过lattice-free生成的聚类方法,以及288个模糊船舶碰撞预防系统,网络是通过subclustering方法生成的地方。完成仿真后,混合优化方法被证明是最好的(允许美价值约10⁻⁵)。最好的模糊船舶碰撞预防系统测试证明,他们可以确定准确的价值改变ship操作符课程,以避免船舶碰撞在一个拥挤的交通区,这是危险的ship操作符。作者比较了结果反映在这篇文章中,例如,模糊的船舶碰撞预防系统在交通拥挤区提出了论文35]。他们得出的结论是,去模糊化方法重心美和RMSE值10⁻¹和SMAPE大约10⁻²产生最好的结果。因此,它是正确的说,使用神经网络技术解决问题的质量显著提高海运船舶的安全航行交通拥挤区域。的模糊避碰系统调查研究是一个模块的智能导航安全系统。作者肯定将继续发展他们的未来。

数据可用性

独立作者获得的数据。使用的数据来支持本研究的结果中包括文件的补充信息。

的利益冲突

作者宣称没有利益冲突。

补充材料

补充1。表1 _1。xlsx:测试数据生成的模糊船舶碰撞预防系统是由晶格的方法没有集群,与500年培训间隔,使用隶属函数作为一个产品的两个乙状结肠为输入语言变量的隶属度函数,进行必要的质量评估(美、RMSE和SMAPE)计算。

补充2。表1 _2。xlsx:测试数据生成的模糊船舶碰撞预防系统是由晶格的方法没有集群,与600年培训间隔,使用隶属函数作为一个产品的两个乙状结肠为输入语言变量的隶属度函数,进行必要的质量评估(美、RMSE和SMAPE)计算。

补充3。表1 _3。xlsx:测试数据生成的模糊船舶碰撞预防系统是由晶格的方法没有集群,与600年培训间隔,使用隶属函数的不同功能(由于减法)两个乙状结肠函数输入语言变量,进行必要的质量评估(美、RMSE和SMAPE)计算。

补充4。表1 _4。xlsx:测试数据生成的模糊船舶碰撞预防系统是由晶格的方法没有集群,与400年培训间隔,使用隶属函数的不同功能(由于减法)两个乙状结肠函数输入语言变量,进行必要的质量评估(美、RMSE和SMAPE)计算。

补充5。表1 _5。xlsx:测试数据生成的模糊船舶碰撞预防系统是由晶格的方法没有集群,与400年培训间隔,使用隶属函数作为一个产品两个乙状结肠函数输入语言变量,进行必要的质量评估(美、RMSE和SMAPE)计算。

补充6。表1 _6。xlsx:测试数据生成的模糊船舶碰撞预防系统是由晶格的方法没有集群,与600年培训间隔,使用u型隶属函数对输入语言变量,进行必要的质量评估(美、RMSE和SMAPE)计算。

补充7。表2 _1。xlsx:数据用于测试神经模糊subclustering生成的船舶碰撞预防系统,与100年培训间隔,使用反向传播参数范围的影响,南瓜因素,接受率,并拒绝比率等于0.3,1,0,0,分别进行必要的质量评估(美、RMSE和SMAPE)计算。

补充8。表2 _2。xlsx:测试数据生成的模糊船舶碰撞预防系统subclustering,与100年培训间隔,使用反向传播参数范围的影响,南瓜因素,接受率,并拒绝比率等于0.3,1.125,0,0分别和必要的质量评估(美、RMSE和SMAPE)计算。

补充9。表2 _3。xlsx:数据用于测试神经模糊subclustering生成的船舶碰撞预防系统,与100年培训间隔,使用反向传播参数范围的影响,南瓜因素,接受率,并拒绝比率等于0.3,1,0和0.15,分别与必要的质量评估(美、RMSE和SMAPE)计算。

补充10。表2 _4。xlsx:测试数据生成的模糊船舶碰撞预防系统subclustering,与100年培训间隔,使用混合优化方法与参数范围的影响,南瓜因素,接受率和废品率等于0.3,1,0.4,0,分别进行必要的质量评估(美、RMSE和SMAPE)计算。

补充11。表2 _5。xlsx:数据用于测试神经模糊subclustering生成的船舶碰撞预防系统,与100年培训间隔,使用混合优化方法与参数范围的影响,南瓜因素,接受率和废品率等于0.3,1,0.4,和0.15,分别与必要的质量评估(美、RMSE和SMAPE)计算。

补充12。表2 _6。xlsx:数据用于测试神经模糊subclustering生成的船舶碰撞预防系统,与100年培训间隔,使用混合优化方法与参数范围的影响,南瓜因素,接受率和废品率等于0.3,1,0.4,和0.3,分别与必要的质量评估(美、RMSE和SMAPE)计算。

引用

1. a . Nyrkov k . Goloskokov e . Koroleva s sokolv, a . Zhilenkov和s . Chernyi”数学模型可靠性海事系统的解决问题,“课堂讲稿电气工程卷,442年,第394 - 387页,2018年。视图:出版商的网站|谷歌学术搜索
2. M.-C。祖文萃”多避碰路径规划框架下航行,”海洋工程卷,121年,第278 - 268页,2016年。视图:出版商的网站|谷歌学术搜索
3. j .他和m .冯“基于航行和AIS船防撞预警系统研究”学报》第八届智能计算技术与自动化国际会议上(ICICTA 15)2015年6月,页242 - 245。视图:谷歌学术搜索
4. 薛y, b . s . Lee, d .汉”船舶自动避碰。”美国机械工程师学会学报》上,M:《海洋环境的工程,卷223,不。1,33-46,2015页。视图:出版商的网站|谷歌学术搜索
5. m . Hanninen“贝叶斯网络对海上交通事故预防:好处和挑战,”事故分析和预防卷,73年,第312 - 305页,2014年。视图:出版商的网站|谷歌学术搜索
6. 答:a . Yefremov“新的模糊数的操作和间隔,”机械工程,自动化学报》国际会议上和控制系统(MEACS 14)托木斯克,页1 - 4,俄罗斯,2014年10月。视图:出版商的网站|谷歌学术搜索
7. z Pietrzykowski, j . Magaj, p . Wołejsza, j . Chomski”导航决策支持过程中的模糊逻辑在航海的船,”人工智能和软计算,卷6113,不。1,第193 - 185页,2010。视图:谷歌学术搜索
8. C.-M。苏,K.-Y。常,- y。程”,模糊决策优化船舶避碰措施在船舶交通服务,“海洋科学和技术杂志》上,20卷,不。1,38 - 48,页。2012。视图:谷歌学术搜索
9. n . a . Sedova诉答:Sedov, r . i Bazhenov”分析海上应急级别使用模糊逻辑方法,”人工系统医学的进步和教育。2017年艾米。先进的智能系统和计算卷,658年,第322 - 314页,2018年。视图:出版商的网站|谷歌学术搜索
10. 诉a Sedov: a . Sedova, s . v . Glushkov“船舶碰撞风险等级的模糊模型在交通拥挤区,”学报Vibroengineering 22日国际会议,8卷,第458 - 453页,2016年10月。视图:谷歌学术搜索
11. e·e·Luneva p i Banokin, a . a . Yefremov”评估基于模糊集的社交网络用户的情绪,”诉讼的IOP会议系列:材料科学与工程21国际会议为学生和青年科学家,第054 - 012页,2015年。视图:出版商的网站|谷歌学术搜索
12. 诉Chernova, s . a . Sumin m . v . Bobyr和s . p . Seregin”基于逆模糊模型的预测和诊断心血管疾病,”生物医学工程在线卷,49号5,263 - 267年,2016页。视图:出版商的网站|谷歌学术搜索
13. m . v . Bobyr v . s .季托夫,a·a·纳赛尔”自动化切割速度控制过程的基于软模糊逻辑计算,”《机械制造和可靠性,44卷,不。7,633 - 641年,2015页。视图:出版商的网站|谷歌学术搜索
14. a . v . Kryukov s . k . Kargapol 'cev, y . n . Bulatov o . n . Skrypnik b·f·“库兹涅佐夫”、“智能控制的监管机构调整安装分布式发电,”远东电子和通讯》杂志上,17卷,不。5,1127 - 1140年,2017页。视图:出版商的网站|谷歌学术搜索
15. m . l . Sokolova和v . g .基诺夫,“物流管理运输系统的起点点目标的实时政权,”进步研究科学与《创世纪》1卷,第149 - 147页,2014年。视图:谷歌学术搜索
16. A Khayati和美国Mirghasemi海洋目标探测的新神经网络”《24日加拿大电气和计算机工程会议(CCECE ' 11)2011年5月,页33-37,。视图:谷歌学术搜索
17. r . Ressel a·弗罗斯特,雷纳,“导航援助布满浮冰海域通过自动冰山检测和冰分类基于terrasar - x的图像,”第36遥感国际研讨会的诉讼环境。国际摄影测量遥感与空间信息科学的档案卷,47号7,2015年5月,页1049 - 1056。视图:谷歌学术搜索
18. k . Czaplewski和m . Waz改善精度确定船的位置使用神经网络安娜M-estimation强劲,”波兰海事研究,24卷,不。1,22-31,2017页。视图:出版商的网站|谷歌学术搜索
19. l·p·佩雷拉和c·g·苏亚雷斯”激光测量系统基于机动目标跟踪由自适应竞争神经网络,制定”程序的第二个国际会议上的适应性和自适应系统和应用程序,第90 - 84页,2010年。视图:谷歌学术搜索
20. 美国Chernyi和a . Zhilenkov”建模的复杂结构船舶电力使用xilinx系统复杂,“交通和通讯》杂志上,16卷,不。1,第82 - 73页,2015。视图:出版商的网站|谷歌学术搜索
21. 苏维埃n格s Chernyi a Zhilenkov,武器,“模糊神经结构的使用增加钻井平台的可靠性,”学报》第26届DAAAM智能制造与自动化国际研讨会(DAAAM 15)2015年10月,页672 - 677。视图:谷歌学术搜索
22. n . v . Andrievskaya i . i Bezukladnikov, n . r . Mubarakzyanov”识别振动系统的非线性模型的产品,”19国际会议的程序软计算和测量(SCM的16)2016年5月,页145 - 147。视图:谷歌学术搜索
23. m·艾曼尼R.-J。你,彭译葶。郭,“里海水平使用卫星测高的人工神经网络预测,“国际环境科学与技术》杂志上,11卷,不。4、1035 - 1042年,2014页。视图:出版商的网站|谷歌学术搜索
24. J.-C。阴,Z.-J。邹,f .徐”在线预测船舶辊运动期间使用顺序学习RBF neuralnetworks操纵,”海洋工程卷,61年,第147 - 139页,2013年。视图:出版商的网站|谷歌学术搜索
25. j . Lisowski”计算船舶安全控制的智能方法,”程序的知识和智能信息&工程系统18年会上(凯斯的14),页634 - 643,Procedia计算机科学,2014。视图:谷歌学术搜索
26. a . f . Antipin“改善响应时间的基于多维interval-logical控制器,实时控制系统”自动化和远程控制,卷76,不。3、480 - 486年,2015页。视图:出版商的网站|谷歌学术搜索
27. A . f . Antipin”,计算机辅助设计系统多维逻辑控制器与变量代表一组二进制逻辑参数,“自动化和远程控制,卷74,不。9日,第1581 - 1573页,2013年。视图:出版商的网站|谷歌学术搜索
28. f . Garcia-Cordova和a . Guerrero-Gonzalez“智能太阳能无人水下航行器导航,”国际先进的机器人系统杂志》上,10卷,不。4、185 - 198年,2013页。视图:出版商的网站|谷歌学术搜索
29. Th。凯斯特:Hyll, j .阶段,“船舶导航和避撞,分布式认知”认知工效学:欧洲会议设计以外的产品,理解活动和用户体验无处不在的环境中(VTT座谈会' 09),第258卷,第202页,2009年。视图:谷歌学术搜索
30. p·t·皮德森“船舶碰撞和搁浅的审查和应用分析程序,”海洋结构,23卷,不。3、241 - 262年,2010页。视图:出版商的网站|谷歌学术搜索
31. h . Karahalios”风险管理船舶管理的贡献:船舶碰撞的情况下,“安全科学卷,63年,第114 - 104页,2014年。视图:出版商的网站|谷歌学术搜索
32. 胡黄c . s、f .香港和y Xi,“对动态风险预警系统分析船舶碰撞桥梁在受限水域,”学报》第四届国际交通信息与安全会议(icti的17)2017年8月,页698 - 703。视图:谷歌学术搜索
33. e·阿克于兹,”海洋事故分析模型来评估潜在的操作导致的货船,”安全科学卷。92年,17-25,2017页。视图:出版商的网站|谷歌学术搜索
34. a . a . Lentarev和n . g . Levchenko”视角的使用智能控制系统来管理北searoute”海洋知识技术,1卷,不。3、339 - 343年,2016页。视图:谷歌学术搜索
35. n . A . Sedova“logical-linguistic船舶避碰模型在交通繁忙区域,”21圣彼得堡国际会议的程序综合导航系统(ICINS 14)2014年5月,页166 - 170。视图:谷歌学术搜索
36. v . p . Kolosov n s Bezrukov d . y . Naumov y·m·佩雷尔曼和a . g .普里霍季科,“预测渗透支气管哮喘患者气道高反应使用自适应神经模糊网络”《生物医学工程和计算机技术国际会议(SIBIRCON 15)2015年10月,页130 - 133。视图:谷歌学术搜索
37. e·拉夫罗夫n . Pasko a Krivodub, a . Tolbatov”数学模型的分布函数之间的柔性制造系统,电脑一体机的运营商”学报》第13届国际会议在现代无线电工程的问题,电信和计算机科学(TCSET 16)2016年2月,页72 - 75。视图:谷歌学术搜索
38. k·拉梅什,a . p . Kesarkar j . Bhate m . Venkat Ratnam,和a . Jayaraman”分析的自适应神经模糊推理系统的气氛,”大气测量技术的讨论,7卷,不。3、2715 - 2736年,2014页。视图:出版商的网站|谷歌学术搜索

版权

版权©2018耐莉Sedova et al。这是一个开放的访问分布在条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。