本文以智慧海洋工程為研究背景,運(yùn)用機(jī)器學(xué)習(xí)方法對(duì)海洋工程研究相關(guān)數(shù)據(jù)進(jìn)行了信息抽取、趨勢(shì)分析、溫躍層識(shí)別以及突發(fā)事故人群疏散等關(guān)鍵問(wèn)題展開(kāi)研究。具體內(nèi)容包括:1.隨著海洋工程的快速發(fā)展,海洋科學(xué)研究熱點(diǎn)頻出,研究論文數(shù)量呈爆炸性增長(zhǎng),以人工方式從海量文獻(xiàn)中抽取信息并追蹤研究熱點(diǎn)變得十分困難。本文搜集了發(fā)表在14份海洋工程期刊的3萬(wàn)篇文獻(xiàn)數(shù)據(jù)(2010年至2019年),引入 Latent Dirichlet Allocation 模型和 Phrase Latent Dirichlet Allocation 模型捕捉研究熱點(diǎn)和前沿技術(shù)。結(jié)合聚類算法分析預(yù)測(cè)海洋工程的研究趨勢(shì),同時(shí)對(duì)重要研究趨勢(shì)進(jìn)行了驗(yàn)證。2.海洋物理屬性研究一直是海洋工程領(lǐng)域的研究重點(diǎn)。躍層是海洋中的重要物理現(xiàn)象,尤其是溫度躍層研究對(duì)于海洋氣候與預(yù)測(cè)以及水下通訊有著重要的價(jià)值。然而目前海洋中的傳感器采集的數(shù)據(jù)不夠全面、統(tǒng)計(jì)粒度不夠精細(xì)、標(biāo)記數(shù)據(jù)較少。World Ocean Atlas 2013(WOA13)是為數(shù)不多的全球海洋氣候?qū)崪y(cè)數(shù)據(jù)集,WOA13原始數(shù)據(jù)具有數(shù)據(jù)量大、噪聲多等特點(diǎn)。本文首先將該數(shù)據(jù)集預(yù)處理成柵格地圖,...

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１．１圖靈測(cè)試示意圖１６］??

第一章緒論??絡(luò)型、智慧型系統(tǒng)發(fā)展，實(shí)現(xiàn)了智能控制、通訊導(dǎo)航、船岸信息直接交流等目??標(biāo)。海洋環(huán)境立體觀測(cè)網(wǎng)絡(luò)、海底資源勘查與開(kāi)發(fā)、海洋生物資源勘查與開(kāi)發(fā)、??海水和海洋能資源綜合利用、海洋環(huán)境安全保障及海洋開(kāi)發(fā)裝備等多個(gè)方面取??得了長(zhǎng)足的進(jìn)步。目前，海洋工程己經(jīng)成為推動(dòng)我國(guó)海....

圖１．２人工智能研宄的主要發(fā)展進(jìn)程［９］??

網(wǎng)絡(luò)第一＾?濱纟ｉ，并從哲學(xué)、心理??高湖朗?學(xué)、適輯學(xué)中尋求酒見(jiàn)，?神經(jīng)網(wǎng)＾以深度學(xué)習(xí)??代表包括決策樹(shù)和基于邏?神經(jīng)網(wǎng)絡(luò)第一個(gè)高渕?之名再次??輯的學(xué)習(xí)?大黻升感知智路隹??丨聯(lián)結(jié)舉源對(duì)找進(jìn)碰向?ｐｏｌｙ＾ｍ＾難題中?確串??分折，靈賊自于神經(jīng)科??“黑箱”祖神經(jīng)瞞??可歸ｇ....

圖１．３機(jī)器學(xué)習(xí)研究子領(lǐng)域文氏圖??

第一章緒論??打敗了人類冠軍選手。??２０１２年，加拿大滑鐵盧大學(xué)Ｃｈｒｉｓ?Ｅｌｉａｓｍｉｔｈ團(tuán)隊(duì)創(chuàng)造了一個(gè)擁有２５０萬(wàn)個(gè)??模擬神經(jīng)元的虛擬大腦Ｓｐａｕｎ。它具有簡(jiǎn)單的認(rèn)知能力，能執(zhí)行８種不同類型??的任務(wù)。從機(jī)械學(xué)上來(lái)說(shuō)這個(gè)模擬大腦并不復(fù)雜，但是實(shí)驗(yàn)發(fā)現(xiàn)其變通能力非??常好....

圖１．４機(jī)器學(xué)習(xí)研宄發(fā)展史［１１］??

ｒｔ．Ｈｉｎｌｏｎ，Ｗａｉｔａ�。裕�?，?１???ＨｅｔｄｉＷｉｅｆｅｅｎ?｜?Ｈｏｃｈｒｅｉｔｅｆ?ｅ（．？＜??，??：?—?＂／?＼ｌ?”ｉｒｒｔ〇ｎ?Ｉ??Ｎｅｕｒａｌ?ＮｅＷ〇ｒｋｓ．＾＾?＼＼｜ｉｓｃｈ—?／?Ｓ：?＇??！???ｊ?ｉ??ｉ?Ｉ?ｉ?ｉ?Ｉ?ｉ?Ｉ?....

本文編號(hào)：3931046