基于递归神经网络的风险评估算法
摘要：交叉路口的高风险情况评估最近在汽车行业的背景下被揭示为一个重要的研究课题。在本文中，我们将介绍一种新的方法，通过使用高度非线性的处理模型和强大的信息编码程序的组合来计算风险函数。具体而言，出现在交叉路口场景中的静态或动态信息元素被使用定向位置无环标记图进行编码。然后，风险评估问题被重新制定为由递归神经网络进行的归纳学习任务。递归神经网络是能够解决由定向有序无环图表示的有监督和无监督学习问题的连接模型。我们的方法与其他方法相比的主要区别在于学习风险的结构。此外，丰富的信息编码程序与广义的动态循环网络模型的结合使我们能够进行精密的信息处理，我们认为这是构建未来先进交叉路口安全系统的第一步。
作者：Alejandro Chinea Manrique De Lara (INRIA Rocquencourt), Michel Parent (INRIA Rocquencourt)
论文ID：0705.0602
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2007-05-23