bck

收藏本站

基于深度神经网络的智能车辆目标识别与学习控制方法研究

【摘要】:作为未来智能交通系统的核心单元,智能驾驶车辆集自动控制、人工智能、机器视觉等多种技术于一身,是计算机科学、模式识别以及智能控制等学科高度交叉融合的产物。当前,智能驾驶车辆已成为衡量一个国家科技实力与工业水平的重要标志,不管在民用还是军用领域都已成为国内外关注和竞争的焦点。环境感知技术与运动控制技术是实现车辆智能驾驶的关键技术。然而智能驾驶车辆行驶环境的复杂多变性以及车辆自身动力学模型的高度非线性和时延性,使得在复杂环境下实现高精度的实时环境感知与高性能的运动控制成为智能驾驶领域的挑战性问题。近年来深度学习(Deep learning,DL)和深度增强学习(Deep reinforcement learning,DRL)方法的提出和发展,为解决这一问题提供了新的技术途径。但现有的深度学习和深度增强学习方法通常基于梯度下降(Gradient descent)原理进行参数优化,往往存在局部极小值难以避免、泛化能力难以保证以及由于大量的搜索和优化计算需求所导致的训练代价巨大等问题,致使面向智能驾驶车辆环境感知和运动控制的深度学习和深度增强学习方法存在适应性和高效性不足,限制了其性能的进一步提升。本文以复杂环境下智能驾驶车辆的环境感知和运动控制为研究背景,重点围绕基于深度神经网络的高精度、低训练时耗目标识别方法和面向大规模状态空间下连续动作的高效、快速学习控制方法开展研究,以提升方法性能和降低方法模型训练时耗为目标,主要完成的工作及创新点包括:(1)针对深度卷积神经网络学习过程对局部极小值敏感以及泛化能力难以保证的问题,结合深度学习和超限学习机(Extreme learning machine,ELM)原理,提出了采用深度卷积特征的超限学习目标识别方法CNN-ELM。该方法利用ELM对深度卷积神经网络全连接层进行学习优化,在充分发挥深度卷积神经网络的特征学习能力的同时,与ELM优异的分类泛化能力和快速的学习速度进行优势互补。在国际交通路标识别公共数据库上的测试结果表明,CNN-ELM能够取得99.40%的识别准确率,并且模型训练速度相比于公共数据库上具有最好识别结果的多柱深度神经网络方法(Multi-column deep neural network,MCDNN)有6倍的提升。(2)为解决复杂环境条件下智能车辆交通路标识别问题,进一步研究了颜色空间变换对深度卷积神经网络特征学习过程的影响,提出了一种采用深度感知卷积特征(Deep perceptual convolutional feature,DPCF)的核超限学习交通路标识别方法DP-KELM。该方法在深度卷积神经网络学习过程中引入感知颜色空间变换,同时采用核超限学习机(Kernel extreme learning machine,KELM)完成随机神经网络(Random neural network,RNN)分类器的学习优化,进一步提升深度卷积神经网络所提取特征的判别性和分类器泛化能力,同时减少网络训练的时间代价。在交通路标识别公共数据库上的性能对比结果显示,DP-KELM能够达到99.54%的识别准确率,模型总体训练时间进一步缩短为采用深度卷积特征的超限学习目标识别方法的六分之一。(3)提出了基于差分进化(Differential evolution,DE)的分层稀疏自编码目标识别方法ESAN,在确保识别性能的前提下进一步降低深度神经网络学习训练代价。该方法将面向随机神经网络学习优化的超限学习方法拓展到深度神经网络学习,并针对随机神经网络学习过程中由于隐层网络参数随机生成所可能带来的冗余性和次优性问题,引入差分进化原理进行搜索优化,提出一种进化稀疏自编码网络并进一步将其融入分层随机神经网络结构,实现从原始图像输入到识别结果输出的快速有效的映射学习。在多种目标识别标准数据库上的验证实验结果表明,ESAN识别性能优于堆栈自编码(Stacked autoencoder,SAE)、深度置信网络(Deep belief network,DBN)等深度学习方法,且模型训练速度有2~3倍,最多10倍的提升。(4)针对高维状态输入下连续动作空间的在线学习控制问题,提出了采用深度编码特征与小脑模型神经网络(又称小脑模型关节控制器,Cerebellar model articulation controller,CMAC)的自适应启发评价学习控制方法DeepFastAHC。为解决高维状态输入到增强学习(Reinforcement learning,RL)算法所需的低维特征映射问题,首先将深度编码网络与小脑模型神经网络相结合,在此基础上采用基于递推最小二乘TD(λ)原理的快速启发式自适应评价器(Adaptive heuristic critic,AHC)增强学习算法,最终实现以图像为输入、连续动作空间下控制策略的在线高效学习。典型学习控制问题仿真实验结果表明,DeepFastAHC具有良好的数据利用率和学习效率,学习过程能够快速收敛,得到性能效果良好的控制策略。(5)提出了采用深度卷积特征的超限学习车辆侧向运动控制方法ICNN-ELM。该方法将复杂环境下智能驾驶车辆的侧向运动控制问题抽象为高维状态输入下连续动作空间的模仿学习(Imitation learning,IL)问题。针对深度神经网络因泛化能力不足所导致的回归拟合精度受限问题,采用行为克隆(Behavioral clone)技术,在专家示教(Demonstration)数据上训练深度卷积神经网络特征提取器。随后利用超限学习机取代深度卷积神经网络的全连接层,以深度卷积特征为输入实现对控制输出的拟合回归,从而建立感知图像输入到控制动作输出的直接映射关系。在百度Apollo端到端车辆侧向运动控制数据库上的验证实验表明,ICNN-ELM能够达到比现有深度卷积神经网络方法更高的学习精度,同时所采用的网络模型更加简单。

下载App查看全文

(如何获取全文? 欢迎:、、)

支持CAJ、PDF文件格式


【相似文献】
中国期刊全文数据库 前13条
1 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
2 曾凡婧;雷鸣;;基于卷积神经网络的花卉识别研究[J];电脑知识与技术;2019年11期
3 平嘉蓉;张正华;沈逸;陈豪;刘源;杨意;尤倩;苏权;;基于轻量级神经网络的人群计数模型设计[J];无线电工程;2020年06期
4 朱佳雯;;基于深度神经网络的高校舆情危机预警研究[J];电子设计工程;2020年16期
5 姜懿家;;卷积神经网络的压缩研究[J];电子制作;2019年02期
6 熊昕;陈晓辉;吴宇轩;郑毅;张上;;基于改进的循环神经网络深度学习跌倒检测算法[J];电脑编程技巧与维护;2020年03期
7 李莲;丁文宽;;基于卷积神经网络的辣椒识别[J];天津理工大学学报;2017年03期
8 王庆福;;基于神经网络的深度学习方法研究[J];电脑编程技巧与维护;2016年12期
9 刘佩林;张钰玲;;基于卷积神经网络的语音识别分析[J];电脑迷;2017年01期
10 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
11 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期
12 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
13 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期
中国重要会议论文全文数据库 前20条
1 耿传玉;王泽宇;周晓君;阳春华;;基于U-net卷积神经网络双层参数优化的心脏图像分割[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
2 徐硕;;集合经验模态分解的多路-多级神经网络风功率预测模型[A];用电与能效专题讲座暨智能用电及能效管理技术研讨会论文集[C];2019年
3 段滈杉;乔俊飞;蒙西;汤健;;基于模块化神经网络的城市固废焚烧过程氮氧化物软测量[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
4 韩红桂;甄琪;杜永萍;乔俊飞;;基于低秩双线性卷积神经网络的手机型号识别方法[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
5 李淋雨;邱寅祺;何星;;基于LSTM的火电厂入口硝浓度预测方法研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
6 潘岚川;马乐乐;刘向杰;;基于卷积神经网络的一次风机故障预警研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
7 刘晶;黄进;赵万国;周丽萍;;一种基于卷积神经网络的非法经营线索挖掘模型[A];2020互联网安全与治理论坛论文集[C];2020年
8 包俊;董亚超;刘宏哲;;卷积神经网络的发展综述[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
9 刘克楠;侯剑;;基于神经网络的唤醒词识别方法[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
10 蒋子超;江俊扬;姚清河;杨耿超;;基于神经网络的差分方程快速求解方法[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
11 朱利明;路达;陈占毅;李方明;;基于BP-RBF神经网络的深基坑邻近建筑物沉降势预测[A];土木工程新材料、新技术及其工程应用交流会论文集(下册)[C];2019年
12 周浩;戴国忠;;基于神经网络的指挥信息系统体系贡献度分析[A];2019第七届中国指挥控制大会论文集[C];2019年
13 张子腾;梁烨;胡启鹏;张梦隆;陈智慧;;基于迁移卷积神经网络的脑功能连接分类[A];创新发展与情报服务[C];2019年
14 徐小天;李敏;孙跃;高冉馨;;深度神经网络的攻击与防御技术研究[A];第三届智能电网会议论文集——智能用电[C];2019年
15 郝佳恺;赵广怀;高鹏;牛海洋;郝毅;;可变嵌套深度神经网络自动训练方法[A];全国第四届“智能电网”会议论文集[C];2019年
16 李玉缝;;基于BP神经网络的主备频率源时差预报方法[A];中国天文学会2018年学术年会摘要集[C];2018年
17 信自成;张江山;张军国;路博勋;李军明;郑瑾;刘青;;基于SOM-RELM的LF炉钢水温度预测[A];第十二届中国钢铁年会论文集——2.炼钢与连铸[C];2019年
18 张兴伟;潘国富;张济博;;自编码神经网络在海底声学底质分类中应用初探[A];2019中国西部声学学术交流会论文集[C];2019年
19 朱张航宇;;美科学家实现突破:意念交流即将成为现实[A];《科学与现代化》2020年第一季度[C];2020年
20 An Yangming;;基于深度学习的Dropout-BP神经网络在测井资料评价煤层气含气量中的应用[A];2019年中国地球科学联合学术年会论文集(二十九)——专题77:井孔地球物理学及深部钻测、专题78:地球化学进展、专题79:地球深部碳循环、专题80:航空地球物理勘查技术与应用[C];2019年
中国博士学位论文全文数据库 前20条
1 曾宇骏;基于深度神经网络的智能车辆目标识别与学习控制方法研究[D];国防科技大学;2018年
2 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
3 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
4 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
5 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
6 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
7 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
8 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
9 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
10 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
11 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
12 毛瑞琛;深度神经网络下的规范化地址建设与语义空间模型研究[D];浙江大学;2019年
13 武晨;DFP航天器动力学特性分析及精确控制方法研究[D];哈尔滨工业大学;2018年
14 杨旭辉;基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究[D];兰州大学;2019年
15 樊英杰;时滞忆阻神经网络的镇定及同步控制研究[D];山东科技大学;2019年
16 冉令燕;基于卷积神经网络的图像分类研究[D];西北工业大学;2018年
17 于佳;语音文档的故事分割技术研究[D];西北工业大学;2018年
18 申晨;基于卷积神经网络的行人再识别算法研究[D];浙江大学;2018年
19 田树耀;基于多尺度变分算法及深度卷积神经网络的图像压缩感知重建[D];燕山大学;2019年
20 孙诗昭;深度学习中深度问题与大模型问题的研究[D];南开大学;2018年
中国硕士学位论文全文数据库 前20条
1 李永礼;基于脉冲神经网络的视觉图像分类方法研究[D];北京化工大学;2019年
2 石颖;基于循环神经网络的语音识别方案的优化与设计[D];北京交通大学;2017年
3 李静;基于卷积神经网络的虚假评论识别技术的研究[D];北京邮电大学;2017年
4 谢仁义;饱和脉冲Cohen-Grossberg神经网络稳定性分析[D];西南大学;2020年
5 侯洁;多权重耦合神经网络的反同步与有限时间反同步[D];天津工业大学;2019年
6 樊志文;基于深度卷积神经网络的CS-MRI重建方法研究[D];厦门大学;2019年
7 冯冰;基于深度学习的环境声音分类研究[D];厦门大学;2017年
8 柴志忠;基于深度卷积神经网络的病理影像研究[D];厦门大学;2019年
9 刘晓瑜;基于卷积神经网络的新鲜-冷冻猪肉近红外光谱检测研究[D];湖南大学;2019年
10 向鹏程;基于智能算法的自动化霜控制研究[D];天津商业大学;2019年
11 刘光云;基于多特征卷积神经网络的高光谱图像分类方法研究[D];湖南大学;2019年
12 周珍;基于卷积神经网络的指针手表读时方法研究[D];湖南大学;2019年
13 曹红英;基于卷积神经网络的交通标志检测与识别研究[D];湖南大学;2019年
14 汪文;基于链接预测的miRNA疾病相关性研究[D];厦门大学;2019年
15 王抒伟;应用深度神经网络对多导睡眠图的睡眠分期研究[D];厦门大学;2019年
16 周高峰;基于NVDLA的深度学习推断芯片研究[D];厦门大学;2019年
17 熊林;基于抖动算法的忆阻神经网络及其电路实现[D];湖南大学;2019年
18 周辉;基于机器学习和神经网络的微波信号多径干扰抑制研究[D];厦门大学;2019年
19 张润民;基于卷积神经网络的高分辨距离像目标识别[D];湖南大学;2019年
20 徐传宇;图卷积神经网络在网络表示学习及推荐系统中的应用[D];厦门大学;2019年
中国重要报纸全文数据库 前20条
1 记者 董映璧;[N];科技日报;2020年
2 骆无意;[N];中国航天报;2020年
3 张允硕 姜正义 甄海锋 河南理工大学;[N];科学导报;2019年
4 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;[N];湖北日报;2019年
5 记者 刘霞;[N];科技日报;2017年
6 整理 本报记者 诸玲珍 顾鸿儒;[N];中国电子报;2018年
7 ;[N];电子报;2018年
8 张敏;[N];北京日报;2017年
9 ;[N];中国企业报;2017年
10 本报记者 龚丹韵;[N];解放日报;2017年
11 ;[N];中国企业报;2017年
12 张斌;[N];文汇报;2017年
13 邓洲 中国社会科学院工业经济研究所;[N];上海证券报;2017年
14 中国科学技术大学终身学习实验室博士 吴茂乾;[N];安徽日报;2017年
15 记者 邱智丽;[N];第一财经日报;2017年
16 卡内基·梅隆大学计算机科学学院机器学习系主任 Tom Mitchell;[N];中国信息化周报;2017年
17 舒年;[N];工人日报;2017年
18 记者 刘霞;[N];科技日报;2017年
19 本报记者 喻思娈;[N];人民日报;2017年
20 中国信息通信研究院标准所副所长 何宝宏;[N];通信产业报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978


{bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck体育下载}| {bckbet}| {bcksports}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck官网}| {bck体育下载}| {bckbet}| {bcksports}| {bck官网}| {bck体育app}| {bck体育}| {bcksports}| {bck官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck体育}| {bcksports}| {bck官网}| {bck体育官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bcksports}| {bck体育下载}| {bck体育app}| {bckbet}|
{uc8}| {uc8体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐城}| {uc8彩票}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8老虎机}| {UC8娱乐}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8彩票}| {uc8}| {uc8体育}| {UC体育}| {uc8官网}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {uc8彩票}| {uc8}| {uc体育}| {UC体育}| {UC8娱乐城}| {uc8}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}|