文献

J-GLOBAL ID：201802220152241474   整理番号：18A0537428

ハイブリッド深い学習に基づく無人車両のための運動計画【Powered by NICT】

Motion planning for unmanned vehicle based on hybrid deep learning

著者 (3件)： Shi Chaoxia (School of Computer Science and Engineering, Nanjing University of Science and Technology Nanjing, China) ,  Lan Xiaogen (School of Computer Science and Engineering, Nanjing University of Science and Technology Nanjing, China) ,  Wang Yanqing (School of Information Engineering, Nanjing Xiaozhuang University, Nanjing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SPAC  ページ： 473-478  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： 無人車両の自律ナビゲーションのための原理技術として,運動計画はプレプログラミングのモードにより実現した。しかし,環境の複雑さとセンサ情報の不確実性に起因する,自己学習できる一般的な運動計画システムを設計することは困難である。問題を解決するために,ハイブリッド深層学習に基づく運動計画システムを検討した。システムは,まず,畳込みニューラルネットワーク(CNN)を用いた自動符号器モデルを構築し,このようにして符号化による入力画像の次元を低減した。,逐次データを扱う上で利点を持つリカレントニューラルネットワーク(RNN)に基づく経路追跡モデルを構築した。最後に,完全結合ニューラルネットワーク(ファジィ・セルラ・ニューラルネットワーク)は,評価モデルと同様に制御モデルを構築した。実験結果は,提案した動作計画システムは,道路環境におけるロバスト視覚ナビゲーションを実現し,無人車両のための自己学習できる運動計画に関する有望な方式を供給できることを示した。Copyright 2018 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： 符号化 ,  ロバスト性 ,  *ニューラルネットワーク ,  符号器 ,  曖昧さ ,  不確実性
準シソーラス用語： 道路環境 ,  動作計画 ,  制御モデル ,  評価モデル ,  リカレントニューラルネットワーク ,  畳込みニューラルネットワーク ,  深層学習 ,  自己学習 ,  *運動計画 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (2件)： 学習 ,  運動計画