The present invention provides a system and method of side-stepping the need to retrain neural network model after initially trained using a simulator by comparing real-world data to data predicted by the simulator for the same inputs, and developing a mapping correlation that adjusts real world data toward the simulation data. Thus, the decision logic developed in the simulation-trained model is preserved and continues to operate in an altered reality. A threshold metric of similarity can be initially provided into the mapping algorithm, which automatically adjusts real world data to adjusted data corresponding to the simulation data for operating the neural network model when the metric of similarity between the real world data and the simulation data exceeds the threshold metric. Updated learning can continue as desired, working in the background as conditions are monitored.

    La présente invention concerne un système et un procédé de déplacement latéral du besoin de recycler un modèle de réseau neuronal après avoir été initialement formé à l'aide d'un simulateur par comparaison de données du monde réel à des données prédites par le simulateur pour les mêmes entrées, et de développement d'une corrélation de mappage qui ajuste les données du monde réel vers les données de simulation. Ainsi, la logique de décision développée dans le modèle formé par simulation est conservée et continue à fonctionner dans une réalité modifiée. Une métrique de seuil de similarité peut être initialement fournie dans l'algorithme de mappage, qui ajuste automatiquement des données du monde réel sur des données ajustées correspondant aux données de simulation pour faire fonctionner le modèle de réseau neuronal lorsque la métrique de similarité entre les données du monde réel et les données de simulation dépasse la métrique de seuil. Un apprentissage mis à jour peut continuer à volonté, travaillant dans l'arrière-plan lorsque des conditions sont surveillées.


    Access

    Download


    Export, share and cite



    Title :

    CONTINUOUS LEARNING OF SIMULATION TRAINED DEEP NEURAL NETWORK MODEL FOR FLOATING PRODUCTION PLATFORMS, VESSELS AND OTHER FLOATING SYSTEMS.


    Additional title:

    APPRENTISSAGE CONTINU D'UN MODÈLE DE RÉSEAU NEURONAL PROFOND ENTRAÎNÉ PAR SIMULATION POUR PLATEFORMES DE PRODUCTION FLOTTANTES, VAISSEAUX ET AUTRES SYSTÈMES FLOTTANTS


    Contributors:
    O'SULLIVAN JAMES (author) / SIDARTA DJONI (author) / LIM HO (author)

    Publication date :

    2019-12-12


    Type of media :

    Patent


    Type of material :

    Electronic Resource


    Language :

    English


    Classification :

    IPC:    B63B Schiffe oder sonstige Wasserfahrzeuge , SHIPS OR OTHER WATERBORNE VESSELS / G06F ELECTRIC DIGITAL DATA PROCESSING , Elektrische digitale Datenverarbeitung / G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen



    CONTINUOUS LEARNING OF SIMULATION TRAINED DEEP NEURAL NETWORK MODEL FOR FLOATING PRODUCTION PLATFORMS, VESSELS AND OTHER FLOATING SYSTEMS

    O'SULLIVAN JAMES FRANCIS / SIDARTA DJONI EKA / LIM HO JOON | European Patent Office | 2021

    Free access

    Continuous learning of simulation trained deep neural network model

    O'SULLIVAN JAMES FRANCIS / SIDARTA DJONI EKA / LIM HO JOON | European Patent Office | 2022

    Free access

    Floating Production Storage Offloading Vessels

    LEE CHUNG HO / LEE DONG HYUN / KIM MIN HO et al. | European Patent Office | 2017

    Free access

    SMART FLOATING PLATFORMS

    MOMAYEZ MOE / BARBA NATHAN | European Patent Office | 2019

    Free access

    Smart floating platforms

    MOMAYEZ MOE / BARBA NATHAN | European Patent Office | 2018

    Free access