Risk Prediction for Ship Encounter Situation Awareness Using Long Short-Term Memory Based Deep Learning on Intership Behaviors
نویسندگان
چکیده
منابع مشابه
Traffic Prediction Based on Random Connectivity in Deep Learning with Long Short-Term Memory
Traffic prediction plays an important role in evaluating the performance of telecommunication networks and attracts intense research interests. A significant number of algorithms and models have been put forward to analyse traffic data and make prediction. In the recent big data era, deep learning has been exploited to mine the profound information hidden in the data. In particular, Long Short-...
متن کاملthe effect of teaching vocabulary through memory learning strategies on iranian intermediate efl learners long-term vocabulary retention
بسیاری از دبیران و دانش آموزان بر این باورند که یادگیری لغات آسان است و شیوه های مختلفی برای یادگیری وجود دارد گرچه یادآوری لغات پس از مدت طولانی بسیار دشوار و پرزحمت است . هدف از این تحقیق آن است که تاثیر استراتژی های حافظه بر روی نگهداری بلند مدت لغات در زبان آموزان خانم سطح متوسط در ایران را بررسی کند. قبل از شروع تدریس، آزمون تعیین سطحی به منظور داشتن زبان آموزان یک سطح برگزار شده و بر اساس...
the effects of keyword and context methods on pronunciation and receptive/ productive vocabulary of low-intermediate iranian efl learners: short-term and long-term memory in focus
از گذشته تا کنون، تحقیقات بسیاری صورت گرفته است که همگی به گونه ای بر مثمر ثمر بودن استفاده از استراتژی های یادگیری لغت در یک زبان بیگانه اذعان داشته اند. این تحقیق به بررسی تاثیر دو روش مختلف آموزش واژگان انگلیسی (کلیدی و بافتی) بر تلفظ و دانش لغوی فراگیران ایرانی زیر متوسط زبان انگلیسی و بر ماندگاری آن در حافظه می پردازد. به این منظور، تعداد شصت نفر از زبان آموزان ایرانی هشت تا چهارده ساله با...
15 صفحه اولShort term electric load prediction based on deep neural network and wavelet transform and input selection
Electricity demand forecasting is one of the most important factors in the planning, design, and operation of competitive electrical systems. However, most of the load forecasting methods are not accurate. Therefore, in order to increase the accuracy of the short-term electrical load forecast, this paper proposes a hybrid method for predicting electric load based on a deep neural network with a...
متن کاملA deep learning framework for financial time series using stacked autoencoders and long-short term memory
The application of deep learning approaches to finance has received a great deal of attention from both investors and researchers. This study presents a novel deep learning framework where wavelet transforms (WT), stacked autoencoders (SAEs) and long-short term memory (LSTM) are combined for stock price forecasting. The SAEs for hierarchically extracted deep features is introduced into stock pr...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Journal of Advanced Transportation
سال: 2020
ISSN: 2042-3195,0197-6729
DOI: 10.1155/2020/8897700