文献

J-GLOBAL ID：201802299072477682   整理番号：18A1396013

機械学習に基づく新しいドライバ性能モデル【JST・京大機械翻訳】

A Novel Driver Performance Model Based on Machine Learning

著者 (5件)： Aksjonov Andrei (SKODA Auto a.s., Mlada Boleslav, Czech Republic) ,  Nedoma Pavel (SKODA Auto a.s., Mlada Boleslav, Czech Republic) ,  Vodovozov Valery (Tallinn University of Technology, Tallinn, Estonia) ,  Petlenkov Eduard (Tallinn University of Technology, Tallinn, Estonia) ,  Herrmann Martin (IPG Automotive GmbH, Karlsruhe, Germany)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 51  号： 9  ページ： 267-272  発行年： 2018年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 道路車両運転者挙動のモデルは,運転者の混乱や自律運転のようないくつかの分野で広く使われている。本論文では,あらゆるドライバに対してユニークな新しいドライバ性能モデルを紹介した。運転者は機械学習アルゴリズム,すなわち人工ニューラルネットワークと適応ニューロファジィ推論システムでモデル化される。各モデルを訓練し,各運転者に対する車両シミュレータ上での実時間駆動インザループ実験中に収集したデータにより検証した。全体で,18人の参加者が実験に寄与した。モデルの予測精度はアルゴリズム仕様に依存するが,人工ニューラルネットワークは,適応ニューロファジィ推論システムと比較して,ドライバ性能予測においてわずかに正確であった。運転者モデルは,車内情報システムによって誘発される運転者混乱の検出に使用される可能性がある。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モデリング ,  ファジィニューラルネットワーク ,  アルゴリズム ,  運転 ,  *機械学習 ,  学習アルゴリズム ,  カオス ,  *モデル ,  シミュレータ ,  ニューラルネットワーク ,  情報システム ,  *学習
準シソーラス用語： 予測精度 ,  自律性 , 【Automatic Indexing@JST】

著者キーワード (9件)： ニューラルネットワーク ,  ニューラルファジィモデリング ,  制御 ,  環境応用のための機械学習 ,  車両動的システム ,  車両システムにおけるヒューマンファクタ ,  学習 ,  自律車両における適応 ,  安全性

分類 (2件)： 運転者  (TB01040V) ,  走行性能  (QG02020S)

タイトルに関連する用語 (3件)： 機械学習 ,  ドライバ ,  性能モデル