基于递归神经网络的风险评估算法
神经与进化计算
2007-05-23 v1
摘要
道路交叉口高风险情境的评估最近已被揭示为汽车工业背景下的一个重要研究课题。在本文中，我们将介绍一种计算风险函数的新方法，该方法结合了一个高度非线性的处理模型和一个强大的信息编码过程。具体而言，道路交叉口场景中出现的静态或动态信息元素通过有向位置无环标记图进行编码。随后，风险评估问题被重构为由递归神经网络执行的归纳学习任务。递归神经网络是连接主义模型，能够解决由有向有序无环图表示的有监督和无监督学习问题。我们通过预定义的场景展示了这种新方法的潜力。我们的方法与其他方法的主要区别在于学习了风险的结构。此外，丰富的信息编码过程与广义动态循环网络模型的结合，使我们能够（正如我们将展示的那样）进行复杂的信息处理，我们认为这是构建未来先进交叉口安全系统的第一步。
引用
@article{arxiv.0705.0602,
title = {Risk Assessment Algorithms Based On Recursive Neural Networks},
author = {Alejandro Chinea Manrique De Lara and Michel Parent},
journal= {arXiv preprint arXiv:0705.0602},
year = {2007}
}