?

智能汽車目標(biāo)識(shí)別方法的研究

探討了一種更高的抽象層次的學(xué)習(xí)方法，即系統(tǒng)級學(xué)習(xí)方法。該方法源于人類和靈長類動(dòng)物處理信息的模式，這種模式更加強(qiáng)調(diào)更高的抽象層次的處理過程。該模式甚至違反直覺地認(rèn)為新概念學(xué)習(xí)可以在較高的抽象層次上開始，形成的新概念在處理層次結(jié)構(gòu)中以自上而下的方式傳播。從實(shí)用的角度來看，系統(tǒng)級的學(xué)習(xí)具有良好的性能，對學(xué)習(xí)算法進(jìn)行操作的數(shù)據(jù)是低維的，而且前處理階段數(shù)據(jù)不受噪聲的影響。

在復(fù)雜環(huán)境和不良處理?xiàng)l件下，通過顯示檢測對象具體值的方式來匯總信息。所提出的方法可以通過各種方式進(jìn)行擴(kuò)展，從而盡可能地將所有可用的信息來源應(yīng)用到智能汽車中。智能汽車目標(biāo)識(shí)別方法研究的內(nèi)容如下：①將額外的傳感器應(yīng)用到系統(tǒng)級的學(xué)習(xí)理念中，作為假設(shè)的信息來源；②只使用預(yù)定義的系統(tǒng)級數(shù)量（SLQs）沒有實(shí)際意義，添加了一個(gè)額外的學(xué)習(xí)層，可以得出有意義的系統(tǒng)級數(shù)量，將被測物體的距離與視網(wǎng)膜對物理對象的大小很好地結(jié)合；③將實(shí)際世界的感知系統(tǒng)代表人類行為特征。

刊名：Neurocomputing（英）

刊期：2012年第94期

作者：Alexander Gepperth et al

編譯：王維