摘要
本申请公开一种基于多模型的自动驾驶安全预测方法,涉及车辆安全评估领域技术领域,包括:采集车辆运行信息数据,对采集车辆运行信息数据进行标注;通过基于特征密度自适应调节的生成对抗网络算法对车辆运行信息数据进行数据扩充,生成扩充数据;通过基于混沌优化算法来优化神经网络模型的参数对扩充数据进行特征提取,生成特征提取模型;通过特征提取数据输入到特征降维模型中进行特征降维模型的训练,生成数据降维模型;通过降维后的数据输入到分类器中进行分类器模型的训练;生成分类器模型;获取车辆当前运行数据;将特征提取模型、数据降维模型和分类器模型应用于新的实际数据,以评估和预测汽车在不同驾驶情况下的行为和安全性。
技术关键词
分数阶神经网络
车辆运行信息
分类器模型
生成对抗网络
多模型
优化神经网络模型
特征提取模型
数据
混沌优化算法
样本
编码器算法
输出特征
参数
生成器网络
节点数
拓扑特征
电子设备
系统为您推荐了相关专利信息
航班运行数据
神经网络模型
识别风险
校验规则
多模型
决策系统
皮肤病变检测
动态定价模型
护肤
图像分类模型
生成对抗网络模型
长短期记忆网络
多媒体
字幕
人脸
OFDM调制信号
高阶调制信号
分类器模型
样本
载波频率偏差