Resumen

Para resolver la dificultad de estimar la deriva de las marcas de navegacin, se disea una red neuronal RBF de gradiente de orden fraccionario con el impulso (FOGDM-RBF). Se demuestra su convergencia y se utiliza para estimar la trayectoria de deriva de las marcas de navegacin con distintas ubicaciones geogrficas. En primer lugar, se establece el peso de la red neuronal. Los datos meteorolgicos, hidrolgicos y de posicin inicial de las marcas de navegacin se toman como entrada de la red neuronal. La red neuronal se entrena y se utiliza para estimar la posicin de las marcas. La posicin de las marcas de navegacin se toma posteriormente como salida de la red neuronal. La diferencia entre la posicin posterior y la posicin estimada obtenida de la red neuronal es la funcin de error de la red neuronal. Se analiza la influencia de las condiciones del mar y de los meses. Los resultados experimentales y el anlisis de errores muestran que FOGDM-RBF es mejor que otros algoritmos en la estimacin e interpolacin de trayectorias, tiene mejor precisin y generalizacin, y no cae fcilmente en el ptimo local. Es eficaz para acelerar la velocidad de convergencia y mejorar el rendimiento de un mtodo de descenso de gradiente.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Marcas de navegación; Red neuronal; Estimación; Trayectoria; Precisión; Convergencia
• Keywords:Navigation marks; Neural network; Estimation; Trajectory; Accuracy; Convergence