Neural Network Perception for Mobile Robot Guidance

دانلود کتاب Neural Network Perception for Mobile Robot Guidance

37000 تومان موجود

کتاب درک شبکه عصبی برای راهنمایی ربات موبایل نسخه زبان اصلی

دانلود کتاب درک شبکه عصبی برای راهنمایی ربات موبایل بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 6


توضیحاتی در مورد کتاب Neural Network Perception for Mobile Robot Guidance

نام کتاب : Neural Network Perception for Mobile Robot Guidance
ویرایش : 1
عنوان ترجمه شده به فارسی : درک شبکه عصبی برای راهنمایی ربات موبایل
سری : The Springer International Series in Engineering and Computer Science 239
نویسندگان :
ناشر : Springer US
سال نشر : 1993
تعداد صفحات : 198
ISBN (شابک) : 9781461364009 , 9781461531920
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :




ردیاب جاده قابل آموزش دین پومرلو ، آلوین ، مسلماً مشهورترین برنامه خالص عصبی جهان است. در حال حاضر این رکورد جهان را برای مسافتی که توسط یک ربات خودمختار و بدون وقفه طی شده است ، در اختیار دارد: 21.2 مایل در امتداد بزرگراه ، در ترافیک ، با سرعت تا 55 مایل در ساعت. کار Pomerleau مورد توجه جهانی قرار گرفته است ، از جمله مقالات مربوط به هفته تجارت (2 مارس 1992) ، Discover (ژوئیه ، 1992) و مجلات علوم آلمانی و ژاپنی. این مجموعه در دو سری PBS با نام "دستگاهی که جهان را تغییر داده است" و "تا سال 2000" به نمایش گذاشته شده است و در بخش های خبری در CNN ، برنامه اخبار و سرگرمی کانادا "Live It Up" و برنامه علمی دانمارک "هرج و مرج" ظاهر شده است. آنچه آلوین را به خصوص جذاب می کند این است که صرفاً رانندگی نمی کند - با تماشای یک راننده انسانی تقریباً پنج دقیقه ، رانندگی می کند. شبکه عصبی Training InputStothe یک تصویر ویدیویی از پیش رو و تنظیمات فرمان فرمان است. آلوین آموخته است که در جاده های تک خط ، چند خط و بدون آب رانندگی کند. این به سرعت با سنسورهای دیگر سازگار می شود: یاد گرفت که شب را با استفاده از تصویربرداری از بازتاب لیزر رانندگی کنید ، و با استفاده از یک محدوده لیزر ، یاد گرفت که برای جلوگیری از موانع و حفظ فاصله ثابت از یک ردیف اتومبیل های پارک شده ، از آن استفاده کند. حتی یاد گرفته است که به عقب رانندگی کنید.


فهرست مطالب :


Front Matter....Pages i-xv
Introduction....Pages 1-8
Network Architecture....Pages 9-32
Training Networks “On-The-Fly”....Pages 33-50
Training Networks With Structured Noise....Pages 51-69
Driving Results and Performance....Pages 71-83
Analysis of Network Representations....Pages 85-106
Rule-Based Multi-network Arbitration....Pages 107-116
Output Appearance Reliability Estimation....Pages 117-131
Input Reconstruction Reliability Estimation....Pages 133-150
Other Applications - The SM 2 ....Pages 151-159
Other Vision-based Robot Guidance Methods....Pages 161-171
Conclusion....Pages 173-177
Back Matter....Pages 179-191

توضیحاتی در مورد کتاب به زبان اصلی :


Dean Pomerleau's trainable road tracker, ALVINN, is arguably the world's most famous neural net application. It currently holds the world's record for distance traveled by an autonomous robot without interruption: 21.2 miles along a highway, in traffic, at speedsofup to 55 miles per hour. Pomerleau's work has received worldwide attention, including articles in Business Week (March 2, 1992), Discover (July, 1992), and German and Japanese science magazines. It has been featured in two PBS series, "The Machine That Changed the World" and "By the Year 2000," and appeared in news segments on CNN, the Canadian news and entertainment program "Live It Up", and the Danish science program "Chaos". What makes ALVINN especially appealing is that it does not merely drive - it learns to drive, by watching a human driver for roughly five minutes. The training inputstothe neural networkare a video imageoftheroad ahead and thecurrentposition of the steering wheel. ALVINN has learned to drive on single lane, multi-lane, and unpaved roads. It rapidly adapts to other sensors: it learned to drive at night using laser reflectance imaging, and by using a laser rangefinder it learned to swerve to avoid obstacles and maintain a fixed distance from a row of parked cars. It has even learned to drive backwards.




پست ها تصادفی