МЕТОД ТЕСТУВАННЯ НЕЙРОННОЇ МЕРЕЖІ ГЛИБОКОГО НАВЧАННЯ ДЛЯ РОЗРАХУНКУ ШЛЯХУ СУДНА В РІЗНИХ НАВІГАЦІЙНИХ СИТУАЦІЯХ

Abstract

Метою статті є розробка методу тестування нейронної мережі глибокого навчання для розрахунку шляху судна для підвищення продуктивності відповідної числової моделі в різних навігаційних ситуаціях. Дослідження і розробка методів підвищення точності розрахунку мають велике значення для вирішення завдань мореплавання. Одним з підходів до підвищення точності чисел є використання нейронних мереж глибокого навчання. Нейронні мережі глибокого навчання здатні моделювати залежності з високою точністю і мають переваги в продуктивності порівняно з традиційними підходами. Однак розробка і тестування таких мереж в навігаційних завданнях вимагає додаткових досліджень, в першу чергу з точки зору врахування особливостей предметної області, а не загальновідомих підходів щодо тестування глибоких нейронних мереж в узагальненому сенсі. Представлений метод тестування нейронної мережі глибокого навчання для розрахунку шляху судна в різних навігаційних ситуаціях заснований на попередньому використанні імітаційної моделі руху судна, яка дозволяє моделювати різні навігаційні ситуації. Отримано три класи навігаційних ситуацій, які можна спостерігати в реальних умовах експлуатації судна. Для моделювання регулярних хвиль використовуються припущення лінійної теорії морських хвиль. Глибока нейронна мережа навчається на даних, отриманих з імітаційної моделі, і використовується для прогнозування траєкторії руху судна. Точність нейронної мережі оцінюється шляхом порівняння її прогнозів з траєкторією руху судна, отриманої з імітаційної моделі. Результати випробувань показали, що нейронна мережа може точно прогнозувати траєкторію руху судна в різних навігаційних ситуаціях. Метод може бути використаний для оцінки точності нейронних мереж глибокого навчання для розрахунку шляху судна в різних навігаційних ситуаціях.