文档摘要：针对目前路径跟踪控制检测方法精度低、实时性能差的问题,提出一种基于深度机器学习的构建树形神经网络CTNN(ConstructingTreeshapedNeuralNet)的深度学习算法.该算法通过深度机器学习,构建针对性强的学习集,同时在模型车中实现.将传统机器学习算法与文章所提出的算法在相同行驶条件下的实时响应进行比较,仿真结果表明,CTNN算法在恶劣的行驶环境中,实时性、鲁棒性均得到一定程度的提高.
Abstract：Inordertosolvetheproblemsoflowprecisionandpoorreal-timeperformanceofcurrentpathtrack-ingcontroldetectionmethods,adeeplearningalgorithmforconstructingtreeshapedneuralnetwork(CTNN)basedondeepmachinelearningisproposed.Throughthedeepmachinelearning,amoretargetedlearningsetareconstructedinthisalgorithm,andthealgorithmisimplementedinthemodelcar.Thereal-timeresponseresultsofthetraditionalmachinelearningalgorithmandthealgorithmproposedinthispaperunderthesamedrivingconditionsarecompared.Thesimulationresultsshowthatthereal-timeperformanceandrobustnessoftheCTNNalgorithmareimprovedtoacertainextentintheharshdrivingenvironment.
作者：杨静 郎璐红Author：YANGJing LANGLuhong
作者单位：芜湖职业技术学院,安徽芜湖241006
刊名：安徽水利水电职业技术学院学报
Journal：JournalofAnhuiTechnicalCollegeofWaterResourcesandHydroelectricPower
年，卷(期)：2024, 24(2)
分类号：TP391
关键词：机器视觉 路径跟踪控制 树形神经网络 模型车仿真
Keywords：machinevision pathfollowingcontrol treeneuralnetwork modelcarsimulation
机标分类号：TP242.6TP391.41TN911-34
在线出版日期：2024年6月19日
基金项目：芜湖职业技术学院教学质量与教学改革工程项目，教育部科技发展中心专项课题基于CTNN算法的智能小车路径跟踪控制研究[
期刊论文] 安徽水利水电职业技术学院学报--2024, 24(2)杨静 郎璐红针对目前路径跟踪控制检测方法精度低、实时性能差的问题,提出一种基于深度机器学习的构建树形神经网络CTNN(ConstructingTreeshapedNeuralNet)的深度学习算法.该算法通过深度机器学习,构建针对性强的学习集,同时在模...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：机器视觉,路径跟踪控制,树形神经网络,模型车仿真,
- 文件大小:
- 3.6 MB
- 下载次数:
- 60
-
高速下载
|
|
