掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深度學習的駕駛意圖識別 版權(quán)信息
- ISBN：9787122386670
- 條形碼：9787122386670 ; 978-7-122-38667-0
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
深度學習的駕駛意圖識別 本書特色
適讀人群 ：本書可供信號處理、車輛工程、交通工程等領域的技術(shù)人員、編程人員閱讀,也可供相關(guān)專業(yè)的師生學習參考！榻BPython的基礎操作，通過示例進行編程展示； ——講解信號處理基礎，通過Python編程對小波理論、小波包理論等信號處理技術(shù)進行編程； ——介紹機器學習的模型及原理，并運用Python編程來實現(xiàn)； ——分析駕駛行為，運用小波理論和小波包理論等對腦電信號進行處理、分析并提取特征參數(shù)，將提取的特征參數(shù)輸入到深度學習模型中，對駕駛意圖進行識別； ——對深度學習駕駛意圖識別模型進行仿真驗證，將駕駛意圖轉(zhuǎn)換為相應的指令控制車輛自動駕駛。
深度學習的駕駛意圖識別 內(nèi)容簡介
《深度學習的駕駛意圖識別》主要介紹了Python基礎知識、信號處理技術(shù)、機器學習基礎、深度學習的駕駛意圖識別、駕駛意圖人機融合。書中運用小波理論、小波包理論、主成分分析法等對信號進行處理，并通過Python實現(xiàn)；介紹了深度學習模型循環(huán)神經(jīng)網(wǎng)絡、LSTM模型；同時還介紹了輸入腦電信號對駕駛意圖識別的試驗，識別后的駕駛意圖可運用到自動駕駛領域，輔助保障行車安全。本書可幫助讀者更好地理解基于信號技術(shù)的深度學習的駕駛意圖識別，更深入地理解并掌握人機融合的駕駛技術(shù)原理。 本書可供信號處理、車輛工程、交通工程等領域的技術(shù)人員、編程人員閱讀，也可供相關(guān)專業(yè)的師生學習參考。
深度學習的駕駛意圖識別 目錄
第1章 緒論 1
1.1 駕駛意圖識別概述2
1.2 駕駛意圖識別研究現(xiàn)狀2
1.3 深度學習概述5
第2章 Python基礎知識 8
2.1 變量和簡單數(shù)據(jù)類型9
2.2 數(shù)字11
2.3 列表12
2.4 列表切片15
2.5 if語句16
2.6 字典17
2.7 while循環(huán)20
2.8 函數(shù)23
2.9 數(shù)據(jù)可視化25
2.10 數(shù)據(jù)的統(tǒng)計學特征30
2.11 代數(shù)和符號數(shù)學問題34
第3章 信號處理基礎 37
3.1 信號的定義及應用38
3.2 信號的分類39
3.3 連續(xù)時間信號的頻域分析44
第4章 機器學習基礎 62
4.1 矩陣的基本知識63
4.2 腦電信號的數(shù)據(jù)處理66
4.3 樹和隨機森林算法67
4.4 KNN算法69
4.5 貝葉斯理論70
4.6 支持向量機72
4.7 神經(jīng)網(wǎng)絡原理77
4.8 神經(jīng)網(wǎng)絡Python基礎83
第5章 深度學習的駕駛意圖識別 93
5.1 腦電信號概述94
5.2 試驗方案設計98
5.3 駕駛行為與駕駛意圖105
5.4 深度學習111
第6章 駕駛意圖人機融合 124
6.1 腦機接口與CAN總線系統(tǒng)的整體設計125
6.2 腦-機接口與CAN總線系統(tǒng)的模塊化設計128
6.3 數(shù)據(jù)采集系統(tǒng)136
附錄 LSTM模型識別案例代碼 146
參考文獻 164
1.1 駕駛意圖識別概述2
1.2 駕駛意圖識別研究現(xiàn)狀2
1.3 深度學習概述5
第2章 Python基礎知識 8
2.1 變量和簡單數(shù)據(jù)類型9
2.2 數(shù)字11
2.3 列表12
2.4 列表切片15
2.5 if語句16
2.6 字典17
2.7 while循環(huán)20
2.8 函數(shù)23
2.9 數(shù)據(jù)可視化25
2.10 數(shù)據(jù)的統(tǒng)計學特征30
2.11 代數(shù)和符號數(shù)學問題34
第3章 信號處理基礎 37
3.1 信號的定義及應用38
3.2 信號的分類39
3.3 連續(xù)時間信號的頻域分析44
第4章 機器學習基礎 62
4.1 矩陣的基本知識63
4.2 腦電信號的數(shù)據(jù)處理66
4.3 樹和隨機森林算法67
4.4 KNN算法69
4.5 貝葉斯理論70
4.6 支持向量機72
4.7 神經(jīng)網(wǎng)絡原理77
4.8 神經(jīng)網(wǎng)絡Python基礎83
第5章 深度學習的駕駛意圖識別 93
5.1 腦電信號概述94
5.2 試驗方案設計98
5.3 駕駛行為與駕駛意圖105
5.4 深度學習111
第6章 駕駛意圖人機融合 124
6.1 腦機接口與CAN總線系統(tǒng)的整體設計125
6.2 腦-機接口與CAN總線系統(tǒng)的模塊化設計128
6.3 數(shù)據(jù)采集系統(tǒng)136
附錄 LSTM模型識別案例代碼 146
參考文獻 164
展開全部
書友推薦
- >
唐代進士錄
- >
自卑與超越
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
姑媽的寶刀
- >
回憶愛瑪儂
- >
煙與鏡
- >
二體千字文
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術(shù)叢書(紅燭學術(shù)叢書)
本類暢銷
