Finding Optimal Contextual Parameters for Real-Time Vessel Position Prediction Using Deep Learning

حدود ۸۰% از حمل‌ونقل جهانی در بستر دریا انجام می‌شود؛ بنابراین، به‌منظور حفظ ایمنی عبورومرور کشتی‌ها، پیش‌بینی دقیق حرکت آنها اهمیت ویژه‌ای دارد. ازآن‌جاکه پارامترهای زمینه‌ای گوناگونی کشتی‌ها تأثیر می‌گذارد، یکی چالش‌های اصلی حوزة محاسبات زمینه‌ـ آگاه شناسایی بهینة مؤثر کشتی است که ضرورت تحقیق حاضر را می‌رساند. این راستا، با استفاده شبکة عصبی حافظة طولانی کوتاه‌ـ مدت و انتخاب پارامتر به‌شیوة پوشانه (Wrapper)، اقدام به بهینه برای شد. منظور، داده‌های سیستم خودکار جمع‌آوری‌شده دسامبر سال ۲۰۱۷ ساحل شرقی آمریکا، به‌کار رفت. تمامی ترکیبات ممکن سه سرعت، جهت احتمال حضور هر نقطه دریا، روش پوشانه، مدل یادشده ارزیابی ارزیابی‌ها، ۷۰% داده‌ها آموزش مابقی اعتبارسنجی متقابل طبق نتایج، سرعت به‌منزلة شد؛ به‌صورتی‌که دقت ورودی‌های 26.98% بهتر مدلی تمام دسترس ورودی رفته نیز 16.14% بدون زمینه است؛ میان می‌تواند بهبود کمک کند