深度堆栈自编码网络在船舶重量估算中的应用

来源：计算机工程杂志2019年第5期北京时间：

作者：陈健,唐俊遥,朱生光,周兆钊

单位：广东工业大学 机电工程学院,广州 510006

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。

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

基金资助：广东省科技计划项目(2016A010101025,2014A010103027);惠州市科技计划项目(2015B020005007)。