文献

J-GLOBAL ID：202202268398505809   整理番号：22A0553662

ステアリングホイール角のための運転者疲労特徴表現の新しい学習モデル【JST・京大機械翻訳】

A Novel Learning Model of Driver Fatigue Features Representation for Steering Wheel Angle

著者 (4件)： Li Zuojin (School of Electrical and Information Engineering, Chongqing University of Science and Technology, Chongqing, China) ,  Chen Liukui (School of Electrical and Information Engineering, Chongqing University of Science and Technology, Chongqing, China) ,  Nie Ling (School of Electrical and Information Engineering, Chongqing University of Science and Technology, Chongqing, China) ,  Yang Simon X. (School of Engineering, University of Guelph, Guelph, Ontario, Canada)
資料名： IEEE Transactions on Vehicular Technology  (IEEE Transactions on Vehicular Technology)
巻： 71  号： 1  ページ： 269-281  発行年： 2022年 
JST資料番号： C0244A  ISSN： 0018-9545  CODEN： ITVTAB  資料種別： 逐次刊行物 (A)
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： 先進運転者支援システム(ADAS)の分野において,運転者疲労特性表現の効果的な学習は,実際の道路と運転者の両方の不確実性による大きな課題である。この問題に取り組むために,本論文では,学習された特徴を通して実際の道路上の監視システムの性能を改善するために,疲労特徴のための解釈可能な表現を学習する新しいモデルを提案した。最初に,Steering Wheel角(SWA)シーケンスの近似エントロピーを用いて,Reカレントニューラルネットワーク(RNN)入力データの順応長を作物した。次に,ランダムステアリング特性を発見するための統計的指標を学習する。Long Short-Termメモリ(LSTM)ユニットは,運転者の長期運転特性と瞬時変化パターンを記憶し,それらの疲労特性を採掘する。最後に,情報利得法を用いて,潜在的特性と疲労レベルの間の強い相関を発見し,それにより,運転者疲労のための最良の特徴表現を得た。提案方法は,運転における非線形特性間の疲労駆動と相互作用のさまざまな潜在的特性を明示的に捉えるために,再帰ニューラルネットワーク学習の利点を利用する。実際の運転データに関する実験結果は,提案した方法の有効性を実証した。Copyright 2022 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： 記憶装置 ,  相互作用 ,  *学習 ,  *学習モデル ,  システム ,  データ ,  不確実性 ,  *運転者 ,  道路 ,  *舵取ハンドル ,  農作物 ,  ニューラルネットワーク ,  順応 ,  監視装置
準シソーラス用語： 運転者支援システム ,  入力データ ,  運転データ , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  電装品  (QG03070C)

タイトルに関連する用語 (4件)： ステアリングホイール ,  疲労 ,  特徴表現 ,  学習モデル