基于深度级联神经网络的自动驾驶运动规划模型

针对基于规则的运动规划算法需要预先定义规则和基于深度学习的方法没有利用时间特征的问题，提出一种基于深度级联神经网络的运动规划模型。该模型将卷积神经网络（CNN）和长短期记忆网络（LSTM）这两种经典的深度学习模型进行融合并构成一种新的级联神经网络，分别提取输入图像的空间和时间特征，并用以拟合输入序列图像与输出运动参数之间的非线性关系，从而完成从输入序列图像到运动参数的端到端的规划。实验利用模拟驾驶环境的数据进行训练和测试，结果显示所提模型在乡村路、高速路、隧道和山路四种道路中均方根误差（RMSE）不超过0.017，且预测结果的稳定度优于未使用级联网络的算法一个数量级。结果表明，所提模型能有效地学习人类的驾驶行为，并且能够克服累积误差的影响，适应多种不同场景下的路况，具有较好的鲁棒性。     

基于模糊神经网络的自动驾驶决策系统研究

驾驶决策过程中,驾驶行为常受到人、车、路、环境等多源信息的刺激和影响。由于信息处理能力有限,驾驶员对多源信息无法同时实现知识获取与表示,以致有时不能准确、快速地进行驾驶决策,易引发交通事故。为了解决这一问题,针对驾驶员的控制行为进行了分析,并基于模糊控制和神经网络等理论知识,建立了智能车辆驾驶决策机制的模糊神经网络模型。该模型的建立有助于驾驶人员做出更安全、更有效的控制策略。仿真结果表明,用模糊神经网络推理系统有较高的推理速度,能实时、准确地识别当前的驾驶行为和预测下一时刻的驾驶决策,为智能车辆中自动驾驶系统的仿真和实现提供了理论指导和可行性依据。     

基于深度视觉注意神经网络的端到端自动驾驶模型

针对现有端到端自动驾驶方法中存在的驾驶指令预测不准确、模型结构体量大和信息冗余多等问题,提出一种新的基于深度视觉注意神经网络的端到端自动驾驶模型。为了更有效地提取自动驾驶场景的特征,在端到端自动驾驶模型中引入视觉注意力机制,将卷积神经网络、视觉注意层和长短期记忆网络进行融合,提出一种深度视觉注意神经网络。该网络模型能够有效提取驾驶场景图像的空间特征和时间特征,并关注重要信息且减少信息冗余,实现用前向摄像机输入的序列图像来预测驾驶指令的端到端自动驾驶。利用模拟驾驶环境的数据进行训练和测试,该模型在乡村路、高速路、隧道和山路四个场景中对方向盘转向角预测的均方根误差分别为0.009 14、0.009 48、0.002 89和0.010 78,均低于对比用的英伟达公司提出的方法和基于深度级联神经网络的方法;并且与未使用视觉注意力机制的网络相比,该模型具有更少的网络层数。     

自动驾驶模糊神经网络速度规划方法

为提升自动驾驶的舒适性,降低速度规划算法的复杂度,提出了一种基于模糊神经网络的纵向速度规划方法。将人工驾驶经验总结为模糊规则表,建立了模糊速度规划模型,结合神经网络的自学习功能修正模糊速度规划模型,建立了模糊神经网络速度规划模型。分析了静态障碍物和动态障碍物场景,通过仿真验证了所提速度规划方法的可行性,与传统方法相比,加速度的平滑性能更好。所提速度规划方法具有一定的抗干扰性能,工程实现简单,保证了速度规划的实时性与稳定性。     

用于自动驾驶的轻量级语义分割神经网络

图像语义分割在自动驾驶领域有十分重要的应用,可以让机器人在环境中分割出语义信息,从而对下游的控制动作做出决策。但大部分的深度学习模型都比较大,需庞大的计算资源,很难在移动设备中使用。为了解决这个问题,提出了一种用于语义分割的轻量级神经网络模型,采用编码-解码型与二分支型相结合的网络架构,利用分组卷积、深度可分离卷积、多尺度特征融合模块与通道混洗技术减少网络参数量,提升模型预测精度。该模型训练结合Adam训练法与随机梯度下降法,使用Cityscapes数据集,设置1 000个训练周期。经测试,该模型参数量为3.5×10⁶,在单张显卡Nvidia GTX 1070Ti上的运算速度为每秒103帧图片,达到实时计算标准。在模型评估指标中,平均交并比为61.3%,像素准确率为93.4%,性能均优于Seg Net和ENet两种模型。     

基于BP神经网络的虚拟物品个性化设计推荐

通过提取玩家在网络游戏数据库中的数据特征,用基于BP神经网络的数据挖掘方法挖掘出玩家对虚拟物品的各种属性的偏好,为设计开发个性化的虚拟物品提供决策支持。针对传统神经网络中很难获取有广泛代表性的训练样本、常常导致普通神经网络对陌生样本推荐时精度不高的问题,提出改进的BP神经网络,依据专家知识对神经网络的权重进行初始化,并根据训练样本对权重加以微调。仿真案例验证了该方法的有效性。     

基于VC的AHS车辆自动驾驶仿真实现

该文结合选定的车辆系统动力学模型,利用VisualC++6.0强大的库函数和内部响应机制实现了一种基于改进型PID算法的汽车自动驾驶仿真。仿真实验结果表明,作用于AHS车辆的控制算法收敛快、超调小,能使车辆根据路况信息和车间状况自动做出校正动作,在多车连锁运行模型中,亦能实现车辆的高速跟驰。     

基于BP神经网络的车牌自动定位方法

提出了基于BP神经网络的车牌自动定位方法。实验表明，由此建立的车牌自动定位模型适角于各类机动车辆，总定位率为99．5%，达到了业务使用的要求。     

基于BP神经网络的文本自动分类系统设计

在广泛研究现有文本自动分类方法的基础上,发现人工神经网络具有很强的自学习性、自组织性、联想记忆功能和推理意识等,在文本自动分类上有着独特的优势.为此,设计一个基于神经网络的文本自动分类系统.该系统采用模块化的设计,关键算法和功能均封装在模块中,使系统具有良好的扩展性.     

汽车自动驾驶及其发展

自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。自动驾驶技术是汽车产业与人工智能产业、物联网技术、高度智能化计算机等新一代信息技术紧密结合而形成的产物,是当前全球汽车与交通出行产业智能化与物联网系统的重点方向。笔者主要针对汽车自动驾驶及其发展进行研究。     

浅析虚拟现实技术

虚拟现实技术是一门综合性很强的高新技术,该技术被广泛应用于先进制造、军事模拟、数字城市、生物医学等众多领域.本文追溯了虚拟现实技术的起源,探讨了该技术的三大特点:沉浸感、交互性和构想性,并根据沉浸的不同程度将虚拟现实技术分为四大类型:桌面式虚拟现实、沉浸式虚拟现实、增强现实的虚拟现实以及分布式虚拟现实.     

小波神经网络自抗扰控制器在水下机器人深度控制中的应用

本文主要实现对水下机器人的深度控制。针对BP神经网络的缺点,根据小波神经网络的优越性,设计小波神经网络自抗扰控制器。利用Matlab simulink对控制器进行仿真测试,表明该控制器控制效果良好,具有较高的鲁棒性。     

改进的BP网络用于气相色谱保留指数预测

改进了ＢＰ神经网络的学习速率算法,并运用改进后的ＢＰ网络,通过分子结构参数,同时对连载在吡啶在非极性固定液ＳＥ－３０和极性固定液ＰＥＧ－１５００柱上的保留指数进行预测,取得了较好的结果。     

一种神经网络自适应PID控制器

应用人工神经网络的原理,设计了一种神经网络的职能PID控制器。仿真结果表明,此PID控制器对非线性时不变系统有比传统的PID好的控制效果。该控制器将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确之优点,又具有神经网络自学习、自适应之能力,控制效果明显提高。     

Improved CBP Neural Network Model with Applications in Time Series Prediction

Circular back-propagation neural network (CBP) put forward by Sandro Ridella and Stefano Rovetta, a generalized model of multi-layer perceptron (MLP), possesses strong capabilities of generalization and adaptation to unknown inputs. And they can flexibly construct vector quantization (VQ) and radial basis function (RBF) networks under the CBP framework. With the original structure of CBP remaining unchanged, in this Letter a more generalized network model ICBP (Improved Circular Back-Propagation Neural Network) was designed by adding an extensive node with quadratic form to the original CBP inputs and endowing fixed values to the weights between this node and all the hidden nodes. An interesting property of ICBP is that although it has less adaptable weights, it is better in generalization and adaptability than CBP. Moreover, in order to partially solve the problem of local minima, we adopt the method of adding controlled noise to desired outputs. Finally, ithas been proved by experiments that ICBP is better than CBP in the capabilities of forecasting and function approximation.     

基于网络的工程制图虚拟现实模型库的实现技术

介绍了在WWW上实现工程制图虚拟现实模型库的设计方法 ,通过实例说明虚拟现实技术的应用方法和关键技术     

基于增强现实的虚拟实景空间的研究与实现

增强现实可以把计算机产生的虚拟物体或其他信息合成到用户看到的真实场景中．本文将增强现实技术与基于图像的绘制技术有机的结合起来，研究并实现了一个基于增强现实技术的虚拟实景空间系统．首先介绍了虚拟实景空间的构造，然后着重探讨了虚拟物体与实景空间的合成方法，主要解决合成中的几何一致性和光照一致性问题。     

虚拟现实在AUV运动控制研究中的应用

基于软件平台Vega和Creator开发出AUV循迹航行的视景仿真系统。研究了虚拟现实技术和AUV循迹控制相结合的技术,文中详细描述了其硬件系统的组成、系统软件的选择、模型的建立、虚拟海洋环境的生成,以及应用软件的设计与实现。仿真结果表明,该系统能逼真的演示出AUV循迹航行的全过程,并能满足不同情况下的仿真需要。     

一种最优模糊神经网络控制器

基于最优控制的思想,通过对控制系统的过程模拟,提出一种最优模糊神经网络控制器的设计方案,首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构,然后利用基于浮点数编码机制的遗传算法寻的最优的控制器参数,仿真结果表明该控制器优于常规模糊控制器。     

分布式虚拟现实及其在仿真中的应用

分布式虚拟现实技术是虚拟现实和计算机网络技术相结合的产物，其可以突破时空限制的显著特点，为人们分析问题、解决问题，以及协同工作提供了崭新的手段，是目前倍受国际科学界和工程界关注的前沿技术，它已非常成功地应用于军事、航天、医疗和娱乐领域，并在教育培训，工程设计与制造，电子商务等方面显示出了良好的应用前景，该文介绍了分布式虚拟现实的概念、特征、涉及的关键技术和应用领域，综述了它的产生，发展及存在的问题，最后对其进一步发展提出了几点思考。