PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 14

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Neuroevolutionary approach to COLREGs ship maneuvers
Łącki M.
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
|
2019
|
Vol. 13. no. 4
745--750
EN
The paper describes the usage of neuroevolutionary method in collision avoidance of two power-driven vessels approaching each other regarding COLREGs rules. This may be also be seen as the ship handling system that simulates a learning process of a group of artificial helmsmen - autonomous control units, created with artificial neural networks. The helmsman observes an environment by its input signals and according to assigned CORLEGs rule, he calculates the values of required parameters of maneuvers (propellers rpm and rudder deflection) in a collision avoidance situation. In neuroevolution such units are treated as individuals in population of artificial neural networks, which through environmental sensing and evolutionary algorithms learn to perform given task safely and efficiently. The main task of this project is to evolve a population of helmsmen which is able to effectively implement chosen rule: crossing or overtaking.
2
Content available Ship course-keeping with neuroevolutionary algorithms
Łącki M.
Zeszyty Naukowe Akademii Morskiej w Szczecinie
|
2018
|
nr 54 (126)
70--74
EN
The goal of research presented in this article is to check if a neuroevolutionary method with direct encoding is able to be a part of autopilot of the vessel. One of the important tasks of vessel autopilots is to keep a course as straight as possible or to bring the ship back on the route as efficiently as possible. In this paper, the adaptive neuroevolutionary autopilot is described and tested on a simulation model of a ferry. Neuroevolution is a combination of two different but related fields of artificial machine learning: evolution and neural networks. The combined method is very flexible and can be applied to other ship control tasks. The results of computer simulation of the neuroevolutionary course-keeping system have been included.
3
Content available Indirect encoding in neuroevolutionary ship handling
Łącki M.
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
|
2018
|
Vol. 12, no. 1
71--76
EN
In this paper the author compares the efficiency of two encoding schemes for artificial intelligence methods used in the neuroevolutionary ship maneuvering system. This may be also be seen as the ship handling system that simulates a learning process of a group of artificial helmsmen - autonomous control units, created with an artificial neural network. The helmsman observes input signals derived form an enfironment and calculates the values of required parameters of the vessel maneuvering in confined waters. In neuroevolution such units are treated as individuals in population of artificial neural networks, which through environmental sensing and evolutionary algorithms learn to perform given task efficiently. The main task of this project is to evolve a population of helmsmen with indirect encoding and compare results of simulation with direct encoding method.
4
Content available Kontrola trajektorii ruchu statku za pomocą metod neuroewolucyjnych
Łącki M.
Autobusy : technika, eksploatacja, systemy transportowe
|
2017
|
R. 18, nr 12
588--591, CD
PL
Celem badań przedstawionych w tym artykule jest sprawdzenie, czy metoda neuroewolucyjna z bezpośrednim kodowaniem genetycznym może być wykorzystana w autopilocie statkowym. Jednym z głównych zadań autopilotów statków jest utrzymanie płynącej jednostki na zadanej trajektorii, z uwzględnieniem dynamicznych parametrów ruchu statku i warunków środowiskowych. W niniejszym artykule opisano i przedstawiono wyniki symulacji adaptacyjnego autopilota neuroewolucyjnego z użyciem modelu symulacyjnego promu pasażerskiego. Neuroewolucja to połączenie dwóch różnych metod: algorytmów ewolucyjnych i sztucznych sieci neuronowych. Takie połączenie tworzy bardzo elastyczne narzędzie wspomagania decyzji i sterowania, które może być zastosowane w wielu innych systemach transportowych w celu poprawy ich efektywności.
EN
The purpose of the study presented in this article is to determine whether the neuroevolutionary method with direct genetic encoding can be part of the ship's autopilot. One of the main tasks of the ship's autopilot is to maintain the movement of the vessel on the trajectory, taking into account the dynamic parameters of the ship's motion. This article describes and illustrates the results of the simulation of adaptive neuroevolutionary autopilot using the simulator model of the passenger ferry. Neuroevolution is a combination of two different methods: evolutionary algorithms and artificial neuronal networks. This combination creates a very flexible decision support and control tool that can be used in many other transport systems to improve their efficiency.
5
Content available Intelligent Prediction of Ship Maneuvering
Łącki M.
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
|
2016
|
Vol. 10, no. 3
511--516
EN
In this paper the author presents an idea of the intelligent ship maneuvering prediction system with the usage of neuroevolution. This may be also be seen as the ship handling system that simulates a learning process of an autonomous control unit, created with artificial neural network. The control unit observes input signals and calculates the values of required parameters of the vessel maneuvering in confined waters. In neuroevolution such units are treated as individuals in population of artificial neural networks, which through environmental sensing and evolutionary algorithms learn to perform given task efficiently. The main task of the system is to learn continuously and predict the values of a navigational parameters of the vessel after certain amount of time, regarding an influence of its environment. The result of a prediction may occur as a warning to navigator to aware him about incoming threat.
6
Content available Real-time training algorithms in neuroevolutionary navigational decision support system
Łącki M.
Zeszyty Naukowe Akademii Marynarki Wojennej
|
2012
|
R. 53 nr 4 (191)
93-104
EN
The paper presents the idea of using advanced machine learning algorithms to aid decision making in ship manoeuvring in real time. Evolutionary neural networks are used in this purpose. In the simulated model of manoeuvring ship a helmsman is treated as an individual in population of competitive helmsmen, which through environmental sensing and evolution processes learn how to navigate safely through restricted waters.
PL
Artykuł przedstawia koncepcję wykorzystania zaawansowanych algorytmów uczenia się maszyn dla wsparcia podejmowania decyzji manewrowania okrętem w czasie rzeczywistym. Do tego celu wykorzystywane są ewolucyjne sieci neuronowe. W symulowanym modelu manewrowania okrętem sternik jest traktowany jako jednostka w populacji konkurencyjnych sterników, którzy poprzez wyczuwanie środowiskowe i procesy ewolucyjne uczą się jak prowadzić nawigację bezpiecznie po ograniczonych akwenach.
7
Content available remote Neuroevolutionary Ship Handling System in a Windy Environment
Łącki M.
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
|
2012
|
Vol. 6, no. 4
453--458
EN
This paper presents the advanced intelligent ship handling system able to simulate and demonstrate learning behavior of artificial helmsman which controls model of ship in a windy environment of restricted water area. Simulated helmsmen are treated as individuals in population, which through environmental sensing and evolutionary algorithms learns to perform given task efficiently. The task is: safe navigation through heavy wind channels. Neuroevolutionary algorithms, which develop artificial neural networks through evolutionary operations, have been applied in this system.
8
Content available remote Model środowiska wieloagentowego w neuroewolucyjnym sterowaniu statkiem
Łącki M.
Zeszyty Naukowe Akademii Morskiej w Gdyni
|
2010
|
nr 67
30-36
PL
W artykule tym przedstawiono propozycję użycia neuroewolucyjnego systemu wieloagentowego do wspomagania decyzji manewrowych sternika statku płynącego na ograniczonym obszarze wodnym. W środowisku tym sternik jest osobnikiem określonej populacji, która za pomocą algorytmów ewolucyjnych oraz metod uczenia ze wzmocnieniem dostosowuje się do wyznaczonego zadania, jakim jest bezpieczne przepłynięcie danego obszaru przez wyznaczone jednostki pływające.
EN
This paper presents the proposal of multi-agent environment to simulate and demonstrate learning behavior of helmsmen in ship maneuvering. Simulated helmsmen are treated as individuals in population, which through environmental sensing learn themselves to navigate in restricted waters selecting an optimum trajectory of a vessel. Learning phase of the task is to observe current situation and choose the best action. Neuroevolutionary algorithms are used to solve this task. The best fitted individuals from each population become parents for the next generation of helmsmen in simulated multi-agent navigational situation.
9
Wyznaczanie punktów trasy w neuroewolucyjnym sterowaniu statkiem
Łącki M.
Logistyka
|
2010
|
nr 6
PL
W artykule tym autor przedstawia system wspomagania decyzji sternika podczas manewrowania statkiem na ograniczonym obszarze. Podstawą systemu są ewolucyjne sztuczne sieci neuronowe, których struktura i parametry, odpowiednio zakodowane w kodzie genetycznym, rozwijają się w czasie symulacji, dostosowując całą populację do wyznaczonego zadania jakim jest bezpieczne przejście statku od pozycji startowej do celu. W celu usprawnienia procesu uczenia sieci neuronowej autor proponuje algorytm wyznaczania punktów trasy będących dodatkowym użytecznym zestawem informacji podczas obliczania wychylenia steru.
EN
In this article the author presents a decision support system for the helmsman maneuvering the vessel in a restricted area. The system is based on evolutionary artificial neural networks, whose structure and parameters, encoded in the genetic code, develop during the simulation by adjusting the entire population to an assignment which is safe passage of the ship from starting point to designated goal. To improve the learning process the author proposes an algorithm of setting waypoints for additional useful data set when calculating the angle of the rudder.
10
Content available Wspomaganie sterowania statkiem za pomocą ewolucyjnych sieci neuronowych
Łącki M.
Zeszyty Naukowe / Akademia Morska w Szczecinie
|
2008
|
nr 14 (86)
34-37
PL
W artykule przedstawiono koncepcję zastosowania ewolucyjnych sieci neuronowych we wspomaganiu procesów podejmowania decyzji podczas manewrowania statkiem na ograniczonym obszarze. Rozważane są wybrane algorytmy, operacje genetyczne, metody kodowania i selekcji oraz struktury ewolucyjnych sieci neuronowych.
EN
This paper describes a concept of evolutionary neural networks application in decision process support during vessel manoeuvring in a restricted area. Selected algorithms, genetic operations, methods of coding and selection, and structures of evolutionary neural networks are considered in the paper.
11
Content available Reinforcement Learning in Ship Handling
Łącki M.
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
|
2008
|
Vol. 2, no. 2
157--160
EN
This paper presents the idea of using machine learning techniques to simulate and demonstrate learning behaviour in ship manoeuvring. Simulated model of ship is treated as an agent, which through environmental sensing learns itself to navigate through restricted waters selecting an optimum trajectory. Learning phase of the task is to observe current state and choose one of the available actions. The agent gets positive reward for reaching destination and negative reward for hitting an obstacle. Few reinforcement learning algorithms are considered. Experimental results based on simulation program are presented for different layouts of possible routes within restricted area.
12
Content available remote Zastosowanie algorytmów uczenia się ze wzmocnieniem we wspomaganiu procesów podejmowania decyzji podczas manewrowania statkiem
Łącki M.
Prace Wydziału Nawigacyjnego Akademii Morskiej w Gdyni
|
2008
|
Z. 22
62-70
PL
W prezentowanym artykule przedstawiono koncepcję zastosowania algorytmów uczenia się ze wzmocnieniem we wspomaganiu procesów podejmowania decyzji podczas manewrowania statkiem. Celem badań było wykonanie aplikacji i przeprowadzenie symulacji komputerowej dla różnych modeli środowiska. W zastosowanej metodzie uczenia się ze wzmocnieniem, symulowany w aplikacji model statku traktowany jest jako agent, który przez interakcję ze środowiskiem uczy się sterowania statkiem na ograniczonym obszarze, starając się znaleźć optymalną trasę przejścia. Proces uczenia polega na obserwowaniu aktualnego stanu i otrzymanej nagrody po wybraniu jednej z dostępnych akcji. Agent otrzymuje nagrodę za dotarcie do celu, bądź karę za wpłynięcie na przeszkodę.
EN
In this paper, the author presents the idea of using machine learning algorithms to aid action decision making in ship manoeuvring. Main goal of presented approach was to create an application, simulate and present results of simulation in different layouts of restricted waters. Reinforcement learning is based on agent interactions with environment. The agent learns through exploration of the environment and tries to find the best solution which is determined by positive or negative rewards received after each action taken.
13
Content available remote Multicriteria decision support for vessels routing
Filipowicz W., Łącki M., Szłapczyńska J.
Archives of Transport
|
2005
|
Vol. 17, iss.3-4
71-83
EN
Passing particular route by the specific vessel is associated with a set of various types of parameters. This is data attributed to successive legs of given route. Whenever alternative routes exist one has to upgrade hierarchy among available options and select the best one. Selection problem is a multi-criteria one with deterministic as well as random values involved. Way of upgrading hierarchy among possible options is presented in the paper. The main topic is devoted to routes selection problem, routes assignment is also briefly mentioned.
PL
W artykule prowadzona jest dyskusja nad zagadnieniem wyboru przejścia statku jako problemu wielakryterialnego z parametrami zarówno deterministycznymi, jak i probabilistycznymi czy rozmytymi, a także zarówno skalarnymi, jak i wektorowymi. Przedstawiono sposób budowy hierarchii przy takich warunkach. Główna uwaga zwrócona jest na problem wyboru trasy przejścia statku. Bardziej złożone zadanie przydziału tras zaprezentowano w krótkiej formie.
14
Content available Realizacja filtrów cyfrowych na układach programowalnych
Szcześniak W., Łącki M.
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
|
2003
|
Nr 19
127--132
PL
Artykuł dotyczy opracowanego i przetestowanego projektu stanowiska laboratoryjnego do realizacji filtrów cyfrowych na układzie CPLD CY39100V208A z rodziny Delta39k, umieszczonego na Proto Board firmy Cypress. Wspomniany wyżej układ współpracujący z układem CPLD zawiera przetworniki A/C i C/A oraz mikrokontroler AVR z interfejsem RS-232. Część programowa tej pracy obejmuje projekt w języku VHDL filtru FIR zaimplementowanego wewnątrz układu programowalnego Delta39k (CPLD Proto Board). Prezentowany zestaw laboratoryjny umożliwia projektowanie własnych filtrów przez użytkownika i wysyłanie obliczonych współczynników filtru i innych jego parametrów do struktury zaimplementowanej wewnątrz układu programowalnego.
EN
This paper presents students' laboratory stand for implementing digital filters on Delta39k programmable circuit (on CPLD Proto Board produced by Cypress Co.). The elaborated part of the stand contains A/C and C/A converters, the AVR microcontroller with the RS-232 interface. Design process of digital filters can be carried out in the elaborated programme or for example in the Ptolemy software environment. Its results, the coefficients of digital filter and other parameters are send to the filter structure implemented in Delta39k programmable circuit.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.