مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران
- سال انتشار: 1402
- محل انتشار: دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
- کد COI اختصاصی: CEITCONF07_013
- زبان مقاله: فارسی
- تعداد مشاهده: 790
نویسندگان
دانشجوی مهندسی کامپیوتر، کامپیوتر، موسسه آموزش عالی توس، مشهد، ایران
دانشجوی مهندسی کامپیوتر، کامپیوتر، موسسه آموزش عالی توس، مشهد، ایران
عضو هیئت علمی گروه کامپیوتر، موسسه آموزش عالی توس، مشهد، ایران
چکیده
سیستم های رانندگی خودکار(ADS)دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آینده با کارایی بالاتر و تجربیات راحت ارائه می دهند. با این حال, ادراک و حس در شرایط آب و هوایی نامساعد،چالشی است که ممکن است موانعی را برای رانندگی خودکار ایحاد کند. این مقاله به بررسی تاثیرات و چالش هایی کهشرایط آب و هوایی بر سنسورهای ADS ایجاد می کنده به صورت سیستماتیک می پردازد و راه حل های مقابله با اینچالش ها را بررسی می کند.در این مقاله، الگوریتم های پیشرفته و روش های یادگیری عمیق جهت افزایش ادراک در شرایط مختلف آب و هوا،طبقه بندی وضعیت آب و هوا، و سنجش از راه دور به طور جامع گزارش شده اند. وسایل نقلیه خودمختار در حال تبدیلشدن به مرکزی برای آینده تحرک هستند و پیشرفت در یادگیری عمیق این تحول را پشتیبانی می کند. عملکرد یکسیستم خودران به شدت به کیفیت کارادراک بستگی دارد. پیشرفت ها در فناوری های حسگر، منجر به افزایش دردسترس بودن اسکنرهای سه بعدی مانند LiDAR شده است. این اسکنرها امکان نمایش دقیق تری از محیط اطرافخودرو را فراهم می کنند و به سیستم های ایمنی تسریع می بخشند. توسعه سریع این فناوری و افزایش مطالعاتتحقیقاتی در زمینه سیستم های خودران از اوایل دهه ۲۰۱۰، منجر به افزایش چشمگیر در تعداد و روش های نوینتشخیص اشیاء شده است.این مقاله به بررسی ادبیات موجود در زمینه تشخیص اشیاء با استفاده از داده های LiDARدر حوزه خودرانی می پردازد و روشی سیستماتیک برای تجزیه و تحلیل این اطلاعات ارائه می دهد.کلیدواژه ها
؛LiDAR، تکنیک های هوش مصنوعی، وسایل نقلیه خودران، حسگر، سیستم های خودرانمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.