循环神经网络 (RNN) 架构
本模块负责处理时序记忆，让 AI 理解船只的惯性与运动趋势，而非仅针对当前偏差做反应。
STRUCTURE 1. 网络层级与参数
RNN 层数
1 至 2 层 (RNN Layers)。
负责提取深层时序特征。
隐藏单元
128 至 256 个。
决定了模型的记忆容量。
连接层
连接至 256 和 128 单元的全连接层。
使用 ReLU 激活函数。
LOGIC 2. 时序处理逻辑
采样频率
100 Hz (每秒 100 次)。
时间窗口
100 - 200 时间步 (Time Steps)。
即回看过去 1-2 秒的历史数据。
记忆细胞
动态保留相关历史信息。
应对偏航惯性。
网络类型建议
LSTM (长短期记忆网络)。
Mainform 提及 "e.g., LSTM"。
差距分析
资料缺失
以下技术细节在申请表中未明确定义，属于工程实施层面的待定项：
激活函数
RNN 层使用 Tanh 还是 ReLU？申请表仅提到了连接层使用 ReLU。
正则化
未提及 Dropout Rate 或 Batch Normalization 策略以防止过拟合。
梯度裁剪
未提及如何处理 RNN 常见的梯度爆炸问题。