Репозиторий Самарского университета

Отрывок: Наилучших результатов удалось добиться при использовании двух скрытых слоев с 500 нейронами в каждом и функцией активации ReLU. При данном подходе точность распознавания бодрого водителя составила 98,3%, уставшего – 91,2%. 2.2. Классификация с предварительным вычленением признаков В данном подходе для каждого временного окна было вычислено 11 показателей: среднее значение угла поворота ...

Название :	Применение нейронных сетей к анализу временных последовательностей при распознавании усталости водителя автомобиля
Авторы/Редакторы :	Сапрыкин Я. Д. Рязанцев В. И. Смирнов А. А.
Дата публикации :	2021
Библиографическое описание :	Сапрыкин, Я. Д. Применение нейронных сетей к анализу временных последовательностей при распознавании усталости водителя автомобиля / Я. Д. Сапрыкин, В. И. Рязанцев, А. А. Смирнов // Информационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк. (г. Самара, 20-24 сент.) : [в 3 т.] / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изображений РАН - фил. ФНИЦ "Кристаллография и фотоника РАН. - Самаpа : Изд-во Самар. ун-та, 2021Т. 3: Искусственный интеллект и науки о данных. - 2021. - С. 031342.
Другие идентификаторы :	RU\НТБ СГАУ\466238
Ключевые слова:	временная последовательность безопасность дорожного движения классификация состояния водителя нейронные сети усталость водителя угол поворота рулевого колеса
Располагается в коллекциях:	Информационные технологии и нанотехнологии

Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.