当前位置: 首页> 交通会议论文数据库 >详情
原文传递 具有多个级联输出层的深度神经网络
题名: 具有多个级联输出层的深度神经网络
正文语种: 中文
作者: Hua Jie Xin LiBo
作者单位: 同济大学汽车学院,上海201804
关键词: 自动驾驶 深度神经网络 泛化性能 自适应增强算法
摘要: 汽车智能化是汽车工业的发展趋势,自动驾驶是汽车智能化的集中体现.深度学习是实现自动驾驶的重要工具,应用体现在从基于视觉的交通参与者识别、多传感器信息融合到车用雷达信号处理等方面.深度学习已经在多个领域取得了成功,比如智能监控系统和语音识别应用.然而,深度学习的当前发展水平还无法满足高级自动驾驶的需要,因为自动驾驶对深度神经网络的泛化性能提出了更高要求.本文提出了一种新的深度神经网络的设计方法,目的是改进其泛化性能.首先介绍常用的改进深度神经网络泛化性能的方法;然后描述了本文提出的新的具有多个级联输出层的深度神经网络的设计方法.该神经网络的多个级联输出层构成了序列分类器,这些分类器与自适应增强算法相结合提升了神经网络的泛化性能.同时,该模型通过在分类器间共享部分网络结构节省了计算量.最后,本文通过实验证实了它的有效性和可靠性.
会议日期: 20171026
会议举办地点: 上海
会议名称: 第二届上海-斯图加特汽车及动力技术国际研讨会
出版日期: 2017-10-26
母体文献: 第二届上海-斯图加特汽车及动力技术国际研讨会论文集
检索历史
应用推荐