本文主要研究内容
作者敬颉,陈潭,杜文丽,刘志康,尹皓(2019)在《自动驾驶场景中增强深度学习的时空特征提取方法》一文中研究指出:自动驾驶是当下的热点研究方向,同时交通拥堵也是国内常年存在的社会问题。在未来,交通拥堵很大概率会出现在自动驾驶车辆和人为驾驶车辆共存的道路上。考虑到多种可能会影响自动驾驶的因素,在已有学说的基础上进行实验。为了提升整体交通的运行效率,在保证安全的情况下,所有自动驾驶车辆应当尽可能进行高速的行驶,以提升道路效率,从而解决交通拥堵的问题。通过使用二维平面表示道路,将二维信息堆叠形成三维数据以及混合神经网络结构的不同方法来解决这一问题,并利用深度神经网络从中提取出所需的时空特征来进行车辆控制,从而使车辆做出较优的响应。最后,我们利用增强学习的方法来搭建并训练该系统,完成神经网络结构效果的测试。
Abstract
zi dong jia shi shi dang xia de re dian yan jiu fang xiang ,tong shi jiao tong yong du ye shi guo nei chang nian cun zai de she hui wen ti 。zai wei lai ,jiao tong yong du hen da gai lv hui chu xian zai zi dong jia shi che liang he ren wei jia shi che liang gong cun de dao lu shang 。kao lv dao duo chong ke neng hui ying xiang zi dong jia shi de yin su ,zai yi you xue shui de ji chu shang jin hang shi yan 。wei le di sheng zheng ti jiao tong de yun hang xiao lv ,zai bao zheng an quan de qing kuang xia ,suo you zi dong jia shi che liang ying dang jin ke neng jin hang gao su de hang shi ,yi di sheng dao lu xiao lv ,cong er jie jue jiao tong yong du de wen ti 。tong guo shi yong er wei ping mian biao shi dao lu ,jiang er wei xin xi dui die xing cheng san wei shu ju yi ji hun ge shen jing wang lao jie gou de bu tong fang fa lai jie jue zhe yi wen ti ,bing li yong shen du shen jing wang lao cong zhong di qu chu suo xu de shi kong te zheng lai jin hang che liang kong zhi ,cong er shi che liang zuo chu jiao you de xiang ying 。zui hou ,wo men li yong zeng jiang xue xi de fang fa lai da jian bing xun lian gai ji tong ,wan cheng shen jing wang lao jie gou xiao guo de ce shi 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机科学的敬颉,陈潭,杜文丽,刘志康,尹皓,发表于刊物计算机科学2019年S2期论文,是一篇关于深度学习论文,增强学习论文,自动驾驶论文,卷积神经网络论文,循环神经网络论文,计算机科学2019年S2期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自计算机科学2019年S2期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:深度学习论文; 增强学习论文; 自动驾驶论文; 卷积神经网络论文; 循环神经网络论文; 计算机科学2019年S2期论文;