Procedura ortogonalizacji sieci RBF w budowie numerycznego modelu terenu toru wodnego

• Autorzy: Kozak M. , Stateczny A.

Warianty tytułu

EN

The orthogonalisation procedure of the RBF networks in developing digital terrain model for a water channel

• Konferencja: Geoinformacja dla wszystkich. XIX Jesienna Szkoła Geodezji. Polanica-Zdrój, 22-24 września 2005 r.
• Języki publikacji: PL

Abstrakty

PL

Numeryczny model terenu (NMT) możemy zdefiniować jako dyskretną (punktową) reprezentację powierzchni terenu wraz z algorytmem interpolacyjnym [6]. Do budowy numerycznego modelu terenu stosuje się metody numeryczne oraz sieci neuronowe. Artykuł przedstawia badania nad metodą budowy NMT toru wodnego opartą na przekrojach z wykorzystaniem sieci RBF. Dla każdego przekroju niezależnie projektowana i trenowana jest sieć RBF. W celu budowy przekrojów z założoną dokładnością wykorzystano przyrostowy proces doboru centrów i wyliczanie wag z wykorzystaniem procedury ortogonalizacji. Pozwala to na uzyskanie przekroju z założoną dokładnością przy minimalnej liczbie centrów, co zapewnia redukcję danych, niezbędną w celu dalszej wizualizacji modelu w czasie rzeczywistym. Badania przeprowadzono dla danych rzeczywistych z toru wodnego Szczecin-Świnoujście.

EN

Digital Terrain Model (DTM) can be defined as dicrete (point) representation of the terrain surface with an interpolation algorithm [6]. To build a DTM numerical methods or neural networks are used. This article presents the research done on a water channel DTM based on cross-sections using the RBF networks. For each of the cross-sections the RBF network is designed and trained independently. For the purpose of developing the cross-sections with a given accuracy the incremental process of centre selections and the orthogonalisation procedure for network weights calculation were used. This permits building a cross-section with the assumed accuracy and the minimum number of centres and thus allows reduction of data necessary in further real-time visualisation of the model. The research has been done using the data collected from the water channel Szczecin- Swinoujscie.

Słowa kluczowe

PL

numeryczny model terenu; ortogonalizacja; sieci RBF

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Prace Naukowe Instytutu Górnictwa Politechniki Wrocławskiej. Konferencje
• Rocznik: 2005
• Tom: Vol. 114, nr 45
• Strony: 215--222
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Kozak M.

• Politechnika Szczecińska, Wydział Informatyki, 71-210 Szczecin, ul. Żołnierska 49

autor

Stateczny A.

• Akademia Morska, Wydział Nawigacyjny, 70-500 Szczecin, Wały Chrobrego 1-2

Bibliografia

• [1] BALICKI J., KITOWSKI Z., STATECZNY A., Artificial Neural Networks for Modeliing of Spatial Shape of Sea Bottom, IV Conference of Neural Networks and Their Applications, Zakopane 1999.
• [2] BELICZYŃSKI B., Przyrostowa aproksymacja funkcji za pomocą sieci neuronowych, Politechnika Warszawska Elektryka, Warszawa 2000.
• [3] CHEN S., WU Y., LUK B.L., Combined genetic algorithm optimization and regularized orthogonal least squares learning for radial basis function networks, IEEE Transactions on Neural Networks 10(5) 1999, 1239-1243.
• [4] CHEN S., COWAN C.F.N., GRANT P.M., Orthogonal least squares learning algorithm for radial basis function networks, IEEE Transactions on Neural Networks 2(2) 1991, 302-309.
• [5] CHEN S., CHNG E.S., ALKADHIMI K., Regularized orthogonal least squares algorithm for constructing radial basis function networks, International Journal of Control 64(5) 1996, 829-837.
• [6] KURCZYŃSKI Z., Numeryczny model terenu — standardy, Opracowanie dla zespołu powołanego przez Głównego Geodetę Kraju, 1998.
• [7] LUBCZONEK J., STATECZNY A., Concept of neural model of the sea bottom surface, 6th International Conference Neural Networks and Soft Computing, Zakopane 2002.
• [8] SANDWELL D.T., Biharmonic Spline interpolation of GEOS-3 and seasat altimeter data, Geophysical Research Letters 14(2) 1987, 139-142.
• [9] STATECZNY A., PRACZYK T., Neuronowa metoda modelowania kształtu dna morskiego, X Konferencja Naukowo-Techniczna Systemy Informacji Przestrzennej, Warszawa 2000.
• [10] STATECZNY A., The neural method of sea bottom shape modelling for spatial maritime information system, WIT Press Southampton, Boston 2000.
• [11] STATECZNY A., KAMIŃSKI W., The mathematical model of 3D fairway obtained by crosssections and orthogonal networks RBF usedfor steering vessels, 9th IEEE International Conference on Methods and Models in Automation and Robotics, Międzyzdroje 2003.
• [12] STRUMIŁŁO P., KAMIŃSKI W., Orthogonalisation Procedure for Training Radial Basis Functions Neural Networks, Technical Sciences, Polish Academy of Science, Warszawa 2001.