“孙树蕾”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于在线自组织神经网络的船舶领域模型的辨识方法-CN201310116653.1有效
发明人：王宁;刘刚健;董诺;汪旭明;孟凡超;孙树蕾 -专利权人：大连海事大学
申请日： 2013-04-03 - 公布日： 2017-05-03 - 主分类号： G06N3/02 文献下载
摘要：本发明提出了一种基于在线自组织模糊神经网络的船舶领域模型的辨识方法，具有如下步骤选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T‑范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
一种基于在线组织神经网络船舶领域模型辨识方法

[发明专利]一种基于在线快速自组织模糊神经网络的船舶领域模型的辨识方法-CN201310115642.1有效
发明人：王宁;董诺;刘刚健;孟凡超;孙树蕾;汪旭明 -专利权人：大连海事大学
申请日： 2013-04-03 - 公布日： 2017-02-01 - 主分类号： G06N3/02 文献下载
摘要：本发明提出了一种基于在线快速自组织模糊神经网络的船舶领域模型的辨识方法，具有如下步骤选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T‑范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
一种基于在线快速组织模糊神经网络船舶领域模型辨识方法

[发明专利]一种四元船舶安全领域模型及船舶避碰方法-CN201310130091.6有效
发明人：王宁;董诺;刘刚健;孟凡超;孙树蕾;汪旭明 -专利权人：大连海事大学
申请日： 2013-04-15 - 公布日： 2013-07-17 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种四元船舶安全领域模型，其特征在于：该模型由参数Q和k决定。参数Q由四个方向半径决定，方向半径分别为：Rfore、Raft、Rstarb和Rport；其中，Rfore、Raft分别为四元船舶领域纵向半径（Rlon）的前、后半径；Rport、Rstarb分别为四元船舶领域横向半径（Rlat）的左、右半径；所述四元船舶安全领域模型的边界为上述四个方向半径的所确定的闭合曲线组合而成，由于采用了上述技术方案，本发明提供的一种四元船舶安全领域模型和船舶避碰方法，形成了一个统一的安全领域框架，可以直观得到一个确定的船舶安全区域，结合避碰几何模型，可以有效提前警示相关船舶展开避碰动作，有效的保证了海上航行的安全性。
一种船舶安全领域模型方法

[发明专利]一种模糊四元船舶安全领域模型及船舶避碰方法-CN201310130071.9无效
发明人：王宁;刘刚健;董诺;汪旭明;孟凡超;孙树蕾 -专利权人：大连海事大学
申请日： 2013-04-15 - 公布日： 2013-07-17 - 主分类号： B63B9/00 文献下载
摘要：本发明公开了一种模糊四元船舶安全领域模型，其特征在于：该模型由参数Q和k决定，参数Q由四个方向半径决定，方向半径分为：Rfore(r),Raft(r),Rstarb(r),Rport(r)；其中，Rfore(r),Raft(r)分别为四元船舶领域纵向半径（Rlon）的前、后半径；Rstarb(r),Rport(r)分别为四元船舶领域横向半径（Rlat）的左、右半径；r为模糊化实际距离的参数，随着r值的不同，模糊四元船舶安全领域模型的边界为多个由这四个方向半径所围成的封闭曲线组合而成，由于采用了上述技术方案，本发明提供的一种模糊四元船舶安全领域模型和船舶避碰方法，形成了一个统一的安全领域框架，可以直观得到一个确定的船舶安全区域，结合避碰几何模型，可以有效提前警示相关船舶展开避碰动作，有效的保证了海上航行的安全性。
一种模糊船舶安全领域模型方法

[发明专利]一种基于广义自组织神经网络的船舶领域模型的修正方法-CN201310116651.2有效
发明人：王宁;刘刚健;董诺;孟凡超;孙树蕾;汪旭明 -专利权人：大连海事大学
申请日： 2013-04-03 - 公布日： 2013-07-10 - 主分类号： G08G3/02 文献下载
摘要：本发明提出了一种基于广义在线自组织神经网络的船舶领域模型的辨识方法，具有如下步骤：选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
一种基于广义组织神经网络船舶领域模型修正方法