典型文献
基于多任务学习的船舶行为识别与轨迹预测
文献摘要：
针对复杂海洋环境下,船舶行为识别与轨迹预测困难的问题,提出一种基于多任务学习模型.将卷积神经网络(convolutionalneuralnetwork,CNN)与通过注意力机制优化过的双向长短时记忆网络(bidirectionallongshort-term memory,BiLSTM)并联作为训练网络,对船舶的行为识别与轨迹预测两个任务进行联合训练;选取船舶自动识别系统(AutomaticIdentificationSystem,AIS)提供数据基础.研究结果表明:所提出的模型具有更高的预测和识别精度,能有效地辅助海事部门监管工作,同时多任务学习模型也为海上智能交通研究提供新思路.
文献关键词：
交通工程;智能交通;行为识别与轨迹预测;多任务学习;船舶;船舶自动识别系统
中图分类号：
作者姓名：
杨红;韩鹏;刘畅;宫珊珊
作者机构：
大连海事大学 信息科学技术学院,辽宁 大连116026
文献出处：
引用格式：
[1]杨红;韩鹏;刘畅;宫珊珊-.基于多任务学习的船舶行为识别与轨迹预测)[J].重庆交通大学学报（自然科学版）,2022(04):1-7
A类：
行为识别与轨迹预测,convolutionalneuralnetwork,bidirectionallongshort,AutomaticIdentificationSystem
B类：
多任务学习,船舶行为,复杂海洋环境,注意力机制,机制优化,双向长短时记忆网络,term,memory,BiLSTM,联作,联合训练,船舶自动识别系统,AIS,数据基础,识别精度,海事部门,部门监管,监管工作,海上智能交通,交通工程
AB值：
0.232996
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
