文献

J-GLOBAL ID：201802243577163347   整理番号：18A1943504

DSTと教師付き学習を用いた一般的信頼性意識融合概念とそのマルチソース道路推定への応用【JST・京大機械翻訳】

A General Reliability-Aware Fusion Concept Using DST and Supervised Learning with Its Applications in Multi-Source Road Estimation

著者 (6件)： Nguyen Tran Tuan (Volkswagen Group, Berliner Ring 2, Wolfsburg, 38440, Germany) ,  Spehr Jens (Volkswagen Group, Berliner Ring 2, Wolfsburg, 38440, Germany) ,  Vock Dominik (Volkswagen Group, Berliner Ring 2, Wolfsburg, 38440, Germany) ,  Baum Marcus (University of Goettingen, Goldschmidtstras&e 7, Goettingen, 37077, Germany) ,  Zug Sebastian (Otto-von-Guericke University, Universitaetsplatz 2, Magdeburg, 39106, Germany) ,  Kruse Rudolf (Otto-von-Guericke University, Universitaetsplatz 2, Magdeburg, 39106, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IV  ページ： 597-604  発行年： 2018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： 自動運転の挑戦的な状況の多様性に関して,すべての利用可能な情報源の単純な平均融合は,満足な結果を得るために適切でない。したがって,本論文は,マルチソース融合に信頼性を組み込むことによって,道路推定タスクのための新しいフレームワークを提示した。最初に,このタスクのための一般的なJDL融合モデルを特定し,それを多重レベルで拡張した。第二に,著者らは,Bayesネットワークまたはランダムフォレストによって表現された信頼性評価のために,オフラインで訓練された知識ベースを統合した。第三に,Dempster-Shafer理論を適用することにより,決定レベルでの様々なソースの信頼性を意識した融合を提案した。結果として,著者らのシステムは,より満足に供給源の間の衝突状況を解明することができた。平均融合と比較して,実際の世界データに関する実験は,著者らの概念が8パーセントポイントまで自動運転の全体的性能を増加することができることを証明した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報源 ,  自動運転 ,  知識ベース ,  *信頼性 ,  多重化 ,  *道路 ,  *教師つき学習
準シソーラス用語： Dempster-Shafer理論 ,  オフライン ,  信頼性評価 ,  ランダムフォレスト ,  信念ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (10件)： DST ,  教師付き学習 ,  意識 ,  融合 ,  概念 ,  マルチ ,  ソース ,  道路 ,  推定 ,  応用