基于径向基函数神经网络车辆跟驰模型

作者:任雪梅;朱英平;王武宏;黄鸿 刊名:北京理工大学学报 上传者:徐颃

【摘要】针对由于驾驶行为的不确定性,难以建立精确的车辆跟驰模型的问题,应用径向基函数神经网络建立了跟驰模型,改进了基于最近邻聚类的网络学习算法,并利用跟驰数据对模型进行了验证.结果表明,该网络模型与多层前馈网络模型相比,结构简单,训练时间短,精度高,适宜在线进行实时预测.

全文阅读

第 24 卷 第 4 期 2004 年 4 月 北 京 理 工 大 学 学 报 T ransactions of Beijing Institute of Technology Vol. 24 No. 4 Apr. 2004   文章编号: 100120645(2004) 040331204 基于径向基函数神经网络车辆跟驰模型 任雪梅1,  朱英平1,  王武宏2,  黄 鸿1 (11北京理工大学 信息科学技术学院自动控制系, 北京 100081; 21北京理工大学 机械与车辆工程学院, 北京 100081) 摘 要: 针对由于驾驶行为的不确定性, 难以建立精确的车辆跟驰模型的问题, 应用径向基函数神经网络建立了跟驰模型, 改进了基于最近邻聚类的网络学习算法, 并利用跟驰数据对模型进行了验证结果表明, 该网络模型与多 层前馈网络模型相比, 结构简单, 训练时间短, 精度高, 适宜在线进行实时预测Ζ关键词 : 车辆跟驰; 人工神经网络; 最近邻聚类学习算法; 径向基网络 中图分类号: TP 183; U 49218   文献标识码: A A Car-FollowingM odel Based on Radial Basis Function Neural Network REN Xue2m ei1,  ZHU Ying2p ing1,  WAN GW u2hong2,  HUAN G Hong1(11Department of A utomatic Control, School of Information Science and Technology, Beijing Institute of Technology, Beijing 100081, China; 21School ofM echanical and V ehicular Engineering, Beijing Institute of Technology, Beijing 100081, China) Abstract: It is hard to establish a p recise carfollow ing model because of the uncertainty in driver’s behavior. A car2follow ing model is developed based on the radial basis function (RBF) network. W ith this the nearest neighborclustering algorithm (NNCA ) is imp roved, and the results of modeling are exam ined by the car2follow ing data. The sim ulation results show that the p roposed RBF network has a higher p recision and requires shorter training in the p rediction of the car2follow ing model compared w ith the m ultip layer neural network. Key words: car2follow ing; artificial neural network; nearest neighbor2clustering algorithm; r

参考文献

引证文献

问答

我要提问