摘要
一种基于带噪标注船舶运动数据的自主船舶海况估计方法,属于数据挖掘与机器学习领域。以端到端的神经网络为基础架构,对海况估计领域所存在的问题提出了针对性的改善。针对所采集的船舶运动数据存在多尺度特性以及噪声标签等问题,我们首先提出了一种具有优越表示学习能力的多尺度特征学习模块,通过专注于提取关键特征,减少了对额外的噪声处理步骤和超参数调优的需要。此外,为了防止由于强大的特征提取能力而可能导致的过拟合问题,我们结合了一个抑制异常值的损失函数,这种设计进一步保证了模型的稳定性。本发明不仅适用于海况估计,对于其他各领域的时间序列数据分类问题也同样具有较好的适用性。
技术关键词
海况估计
船舶
更新模型参数
多尺度特征学习
噪声标签
一维卷积神经网络
评估网络性能
运动
特征提取能力
有效性
特征提取器
噪声样本
特征提取模块
分类器
数据分类
鲁棒性
系统为您推荐了相关专利信息
设备运行状态
空压机
调控系统
随机森林模型
气压
减摇鳍
推进系统
风速传感器
旋转驱动机构
控制系统
船舶
航海雷达图像
轨迹预测模型
跟踪方法
特征提取网络
起重机轨道
缺陷识别方法
特征金字塔
卷积模块
特征提取网络
推荐模型训练方法
预训练语言模型
对话推荐方法
文本
交互方法