共查询到20条相似文献,搜索用时 468 毫秒
1.
提出了一种面向进阶精简指令集机器(ARM)平台的自标定驾驶员疲劳检测方法。对驾驶员不同身高、体型及车内摄像头不同位置,采用驾驶员初始姿态自标定方法;采用改进的基于深度学习的多任务卷积神经网络(MTCNN),提取人脸识别和特征点,以得到头部姿态、眼睛、嘴巴运动等信息;基于操作员序列的深度卷积神经网络,来判断驾驶员的疲劳状态等级。实验了驾驶员疲劳检测方法。结果表明:相对于没有标定,采用本驾驶员自标定的方式,识别准确性提高了15%,采用MTCNN方法和ARM NEON加速技术,在“全志H5”、“树莓派”和Android手机上,运行速度分别是200、150、140 ms,提高约50%。因而,该检测方法,既提高了系统鲁棒性,也满足实时需求。 相似文献
2.
由于水泥砼路面病情机理的复杂性 ,因而难以得到一套精确、实用的路面病情识别依据。文中通过对神经网络分类功能及高速公路路面病情的分析 ,提出了利用自组织竞争神经网络进行模式分类的方法 相似文献
3.
针对传统PI控制在车辆速度跟踪过程中参数固定且不易整定的问题,提出了一种基于改进BP神经网络的智能汽车纵向控制方法。分别构建驱/制动模式下的BP神经网络,针对BP神经网络初始参数选取困难及反向自学习存在梯度消失等问题,利用粒子群算法和批处理归一化方法对BP神经网络进行改进,最终实现PI控制参数的动态自整定。通过Carsim/Simulink联合仿真与实车测试对该方法进行了验证,结果表明:相比于传统PI控制,所提出的纵向控制方法在实现基于误差快速调整参数的同时提高了车辆纵向控制精度。 相似文献
4.
5.
神经网络在高速公路网综合评价中的应用 总被引:4,自引:0,他引:4
应用多层次分析法和神经网络模型,对高速公路网评价指标及综合评价方法进行了研究。建立了适用于高速公路网评价的四大类评价指标;针对定量和定性指标特性分别采取不同的无量纲化函数对其进行无量纲化处理;通过神经网络建模思路及网络模型分析,结合高速公路网评价特点及评价指标个数,建立了三层前馈神经网络综合评价模型。经在江苏省第二轮高速公路网规划评价中进行实际应用分析,结果表明选取的评价指标科学合理,神经网络综合评价方法克服了其它综合评价方法的随意性缺陷。 相似文献
6.
高速公路智能交通控制系统的建模及多层描述 总被引:8,自引:2,他引:8
本文提出将神经网络和模糊推理用于高速公路交通控制系统的建模及多层描述的一般性方法和框架,其主要思想是:利用神经网络及其他智能方法建立高速公路稳态和动态模型,在此基础上结合交通系统的特点提出改进的多层描述方法,即把高速公路交通系统控制问题分为自组织层,最优化层和调节层,试图解决传统方法在高速公路交通系统的分析,建模和控制中遇到的问题。 相似文献
7.
8.
基于径向基函数神经网络的GPS高程转换方法 总被引:8,自引:1,他引:8
针对GPS高程与正常高程的转换问题,给出了基于径向基函数(Radial Basis Function,RBF)神经网络的模型。该模型隐含层选用Gauss函数作为基函数,学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真,结果表明,用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播(Back-Propagation,BP)神经网络方法转换GPS高程的精度进行了比较,虽然两种方法的结果相近,但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见,RBF神经网络方法用于转换GPS高程是可行和有效的。 相似文献
9.
10.
11.
12.
13.
14.
为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用BP神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于BP神经网络方法;证明该方法是可行且有效的。 相似文献
15.
16.
17.
18.
提出一种基于粒子群优化神经网络PID的车道保持控制方法。首先搭建车路模型和EPS(Electric Power Steering,电动助力转向系统)模型;然后建立粒子群优化神经网络PID控制器,利用粒子群算法优化神经网络的初始权值和阈值,提高神经网络算法的收敛速度和精度,优化后的神经网络算法在线调整PID控制器的3个参数比例Kp、积分Ki、微分Kd,输出最优组合;最后,进行车道保持硬件在环试验,试验表明:相对于常规PID控制和神经网络PID控制,在粒子群优化神经网络控制下,车道保持系统的跟踪精度和稳定性都更高。 相似文献
19.
将神经网络方法结合Matlab用于处理大跨度预应力混凝土连续梁挢施工控制中的箱粱线形控制的误差预测和调整。由于受诸多因素影响,标高的实测值与理论计算值有一定的差异,只有通过前期预测和后期调整相结合,才能保证成桥实际状态同设计要求一致。神经网络可利用实测样本的自学习达到到此目的。应用实例表明神经网络法的预测精度高,这对同类桥梁的施工控制具有一定指导意义。 相似文献