Key points are not available for this paper at this time.
هناك مجموعة من كمية كبيرة من بيانات نظام التعريف التلقائي (AIS) التي تحتوي على معلومات عن اصطدام السفن، ولكن استخراج معرفة تجنب الاصطدام من بيانات AIS الكبيرة وإجراء تعلم الآلة الفعال يُعتبر مشكلة صعبة في المجال البحري الحالي. هنا، تم استخدام خوارزمية دوغلاس–بيكر (DP) أولاً لمعالجة بيانات AIS. ثم، استنادًا إلى مجال السفن، تم تحديد خطر الاصطدام. أخيرًا، تم بناء شبكة عصبية تتكون من وحدات متكررة مزدوجة البوابة (GRU-RNN) لتعلم قرارات تجنب الاصطدام للسفن السطحية غير المأهولة (USV) من البيانات المستخرجة من اللقاءات الناجحة للسفن. تم تدريب نموذج GRU-RNN المزدوج على مجموعة بيانات AIS لميناء تيانجين لعام 2015 لتحقيق تعلم فعال لبيانات لقاء السفن. أظهرت النتائج أن نموذج GRU-RNN المزدوج يمكنه تعلم نمط تجنب الاصطدام المخفي في بيانات AIS الكبيرة بفعالية، وتوليد قرارات تجنب الاصطدام المناسبة للسفينة لحالات الملاحة البحرية المختلفة. تساهم هذه الدراسة بشكل كبير في زيادة الكفاءة والسلامة لعمليات البحر. يمكن تطبيق الطريقة المقترحة بشكل محتمل على تكنولوجيا USV وذكاء تجنب الاصطدام.
درس شي وآخرون (الجمعة) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: