《基于深度Q值网络的自动小车控制方法》PDF+DOC
作者:王立群,朱舜,韩笑,何军
单位:北京无线电技术研究所
出版:《电子测量技术》2017年第11期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFDZCL2017110490
DOC编号:DOCDZCL2017110499
下载格式:PDF + Word/doc 文字可复制、可编辑
《强化学习在移动机器人自主导航中的应用》PDF+DOC2007年第18期 秦政,丁福光,边信黔
《基于人工智能的汽车无人驾驶避障模块的研究与分析》PDF+DOC2017年第05期 王骞,任俊州,黄林,李军
《PSO-BP神经网络在多元有害气体检测中的应用》PDF+DOC2017年第06期 桑晓丹
《卷积神经网络在无人驾驶感知技术上的应用》PDF+DOC2019年第01期 刘新磊,赵星洋,王琪琛
《基于神经网络的进化机器人组合行为方法研究》PDF+DOC2000年第12期 王洪燕,杨敬安,蒋培
《传感器融合系统和算法》PDF+DOC1997年第12期 石川正俊
,江涛
《变结构模糊神经网络在信息融合中的应用》PDF+DOC2004年第03期 刘远
《基于模糊神经网络的传感器可信度实时获取》PDF+DOC2007年第03期 温晓君
《基于模糊神经网络的智能轮椅导航系统》PDF+DOC2007年第32期 董晓倩,黄素平
《强化学习在机器人路径规划中的应用研究》PDF+DOC2013年第12期 童亮,王准
随着计算机技术和人工智能的飞速发展,无人驾驶车辆成为了一个新的热点。提出了一种自动小车的验证模型来模拟无人车,并验证了深度Q值网络(deep Q network,DQN)算法对自动小车的控制。该算法使用了强化学习和神经网络技术,能够在缺乏先验知识的情况下,根据获取的传感器信息训练神经网络,然后做出正确的决策,实现对车辆的控制,达到躲避障碍物的效果。此外,通过在模拟环境下的实验验证了DQN算法对自动小车的控制效果。实验结果表明,经过一定时间的训练,DQN算法可以有效的控制自动小车。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。