基于LSTM的潜空间目标识别
人工智能
2018-08-22 v2
摘要
目标识别方法已逐步放宽对领域知识量和可用观测的要求,产生了能够识别目标的准确且高效的算法。然而,要在原始数据中识别目标,近期的方法要么需要人工设计的领域知识,要么需要几乎涵盖所有被观测动作的的行为样本以推断可能目标。这对于目标识别的实际应用显然过于严苛,我们因而开发了一种方法,利用循环神经网络的进展,将目标识别作为分类任务,使用编码后的规划轨迹进行训练。我们在基于图像的领域中对本方法与最先进的目标识别方法进行了实证评估,并讨论了在何种条件下我们的方法优于先前方法。
引用
@article{arxiv.1808.05249,
title = {LSTM-Based Goal Recognition in Latent Space},
author = {Leonardo Amado and João Paulo Aires and Ramon Fraga Pereira and Maurício C. Magnaguagno and Roger Granada and Felipe Meneguzzi},
journal= {arXiv preprint arXiv:1808.05249},
year = {2018}
}
备注
Added/Fixed some references