Wyszukiwarka
Abstrakt
This paper presents the development of a model of a corvette-type ship’s magnetic signature using an artificial neural network (ANN). The capabilities of ANNs to learn complex relationships between the vessel’s characteristics and the magnetic field at different depths are proposed as an alternative to a multi-dipole model. A training dataset, consisting of signatures prepared in finite element method (FEM) environment Simulia Opera was constructed. A feedforward neural network was developed through a comparative analysis of different activation functions available in MATLAB’s Deep Learning Toolbox and the grid search method. Verification was performed using the leave-one-out cross-validation method (LOOCV). The model proved to be highly effective in predicting the magnetic signature for the northward direction in any measurement depth, with prospects to expand it to estimate other directions.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
- Język:
- angielski
- Rok wydania:
- 2024
- Opis bibliograficzny:
- Zielonacki K., Tarnawski J.: Neural network model of ship magnetic signature for different measurement depths// / : , 2024,
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/mmar62187.2024.10680779
- Źródła finansowania:
-
- Działalność statutowa/subwencja
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 30 razy
Publikacje, które mogą cię zainteresować
An Automated Method for Biometric Handwritten Signature Authentication Employing Neural Networks
- M. Kurowski,
- A. Sroczyński,
- G. Bogdanis
- + 1 autorów
Global Surrogate Modeling by Neural Network-Based Model Uncertainty
- L. Leifsson,
- J. Nagawkar,
- L. Barnet
- + 3 autorów