文献

J-GLOBAL ID：201702260806695544   整理番号：17A1645659

自律地上走行車の速度意思決定のためのカーネルに基づく極端学習モデル化法【Powered by NICT】

A kernel-based extreme learning modeling method for speed decision making of autonomous land vehicles

著者 (5件)： Wu Xiangfei (National University of Defense Technology, Changsha, 410073, P. R. China) ,  Xu Xin (National University of Defense Technology, Changsha, 410073, P. R. China) ,  Li Xiaohui (National University of Defense Technology, Changsha, 410073, P. R. China) ,  Li Kai (National University of Defense Technology, Changsha, 410073, P. R. China) ,  Jiang Bohan (National University of Defense Technology, Changsha, 410073, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DDCLS  ページ： 769-775  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,地方道路における自律陸上車両(ALV)の速度意思決定のためのカーネル極端学習機械(KELM)モデリング手法を提案した。モデルは,経験を積んだ運転者たちから地方道路におけるALVプラットフォームによって収集された典型的な試料の少数を用いたKELMアルゴリズムによるオフラインで得られた。サポートベクトル回帰および究極の学習マシンなどの他の典型的な機械学習アルゴリズムと比較して,KELM法は高速な訓練速度と高いモデリング精度の利点を持っている。実車両実験はオンライン地方道路におけるALVプラットフォーム上のモデルを試験するために行った。実験結果は,提案した速度意思決定モデルの有効性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 高速度 ,  *学習 ,  *走行 ,  地方道路 ,  *意思決定 ,  陸地 ,  学習アルゴリズム ,  *モデル ,  *モデリング
準シソーラス用語： 意思決定モデル ,  オンライン ,  サポートベクトル回帰 ,  オフライン ,  極度学習機械 ,  *自律性 , 【Automatic Indexing@JST】

分類 (3件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 自律 ,  地上 ,  走行車 ,  意思決定 ,  カーネル ,  学習 ,  モデル化