機(jī)器學(xué)習(xí)在自動(dòng)駕駛小車的應(yīng)用設(shè)計(jì)（共41頁(yè)pdf下載）

ID:442171 · 發(fā)表于 2018-12-8 15:44

項(xiàng)目目標(biāo)
利用車載攝像頭獲取車輛前方的圖像信息，采用人工神經(jīng)網(wǎng)絡(luò)分析圖像數(shù)據(jù)，控制車輛轉(zhuǎn)向和速度，使車輛平穩(wěn)、快速到達(dá)終點(diǎn)。
基本要求
采用人工智能算法
利用Matlab等編程工具
基于視覺圖像實(shí)現(xiàn)車輛方向控制
考核方式
每5人為一組，組內(nèi)各成員協(xié)作；
根據(jù)是否能到達(dá)終點(diǎn)、運(yùn)行速度等確定成績(jī)。

每?jī)山M一套小車
1#小車：第1組-第2組
2#小車：第3組-第4組
…
10#小車：第19組-第20組
每套小車包括：
小車（含控制器）一輛
攝像頭一個(gè)
操縱桿一個(gè)
充電器一個(gè)
賽道一張

• 使用事項(xiàng)：
安全使用事項(xiàng)
• 禁止在宿舍給電池充電；
• 禁止將電池充電、放電口對(duì)插；
• 小車不能邊充電邊使用；
• 電池充電時(shí)，充電器指示燈亮紅燈，充滿時(shí)亮綠燈，充電完成后應(yīng)及時(shí)拔掉充電器和電源，避免電池?fù)p壞；
小車電池采用直插式充電，充電器接口直接插入電池的充電接口即可充電；
各小車略有差異，可采用自己訓(xùn)練時(shí)的小
車參加比賽
有任何問題及時(shí)與助教、老師聯(lián)系愛護(hù)教學(xué)設(shè)施，人為損壞需照價(jià)賠償

Step1：掌握?qǐng)D像獲取、轉(zhuǎn)向控制等基本操作
Step2：根據(jù)采集到的圖像，并利用操縱桿操縱，獲取訓(xùn)練樣本
Step3：設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)
Step4：利用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行控制

Step1：基本操作
小車使用
• 小車開機(jī)30秒后，搜索WIFI，連接Auto_CAR_n（n表示第幾號(hào)小車），密碼：123456789
• 成功連接后，即可通過計(jì)算機(jī)接收攝像頭采集到的圖像，并發(fā)送小車運(yùn)動(dòng)指令。

Step1：基本操作
Matlab相關(guān)操作
• 需使用Matlab 2016及以后版本，建議使用Matlab 2018版；
• 安裝支持包——在MATLAB 附加功能
中獲取附加功能 MATLAB Support
Package for IP Cameras

Matlab相關(guān)操作
• 獲取操縱桿數(shù)據(jù)：
Ø創(chuàng)建操縱桿對(duì)象
joy = vrjoystick(1) %根據(jù)系統(tǒng)硬件情況或許是其他值
Ø獲取操縱桿某一軸的值%為-1～1的一個(gè)浮點(diǎn)數(shù)
axis(joy,1)
Ø獲取操縱桿某一按鍵的值%1為按下，0為釋放
button(joy, 1)

Step3：訓(xùn)練網(wǎng)絡(luò)
根據(jù)訓(xùn)練函數(shù)需求，設(shè)置訓(xùn)練參數(shù)，準(zhǔn)備輸入輸出數(shù)據(jù)
• 訓(xùn)練目標(biāo)最小誤差
• 訓(xùn)練次數(shù)
• 學(xué)習(xí)速率
• 使用函數(shù)
• oneVsAll(X, y, num_labels, lambda)
• Matlab神經(jīng)網(wǎng)絡(luò)工具箱

Step4：利用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行
初始化攝像頭連接
初始化小車控制連接
初始化操縱桿
將圖像數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)
將神經(jīng)網(wǎng)絡(luò)輸出作為方向控制數(shù)據(jù)發(fā)送到小車
• PREDICT(Theta1, Theta2, X)；%outputs the predicted label of X given the trained weights of a neural network (Theta1, Theta2)
• sim(net,input); %調(diào)用matlab神經(jīng)網(wǎng)絡(luò)工具箱自帶的sim函數(shù)得到網(wǎng)絡(luò)的預(yù)測(cè)值
注意事項(xiàng)：
• 數(shù)組、向量維度、數(shù)組向量的轉(zhuǎn)置操作
• 神經(jīng)網(wǎng)絡(luò)的輸入輸出與操縱桿輸入、小車控制數(shù)據(jù)的格式要匹配

如何設(shè)計(jì)機(jī)器學(xué)習(xí)系統(tǒng)或者提升機(jī)器學(xué)習(xí)系統(tǒng)的性能？

機(jī)器學(xué)習(xí)算法診斷與評(píng)估
• 通過執(zhí)行測(cè)試，深入了解學(xué)習(xí)算法是否有用，以及如何去提升算法的性能。
注意：
算法的診斷需要較長(zhǎng)時(shí)間，但能指導(dǎo)算法調(diào)試的方法。

模型偏差、方差評(píng)估
Ø 偏差
根據(jù)樣本擬合出的模型的輸出預(yù)測(cè)結(jié)果的期望與樣本真實(shí)結(jié)果的差距，度量了學(xué)習(xí)算法的期望預(yù)測(cè)與真實(shí)結(jié)果的偏離程度, 即᧿述了學(xué)習(xí)算法本身的擬合能力。
Ø 方差
述的是樣本上訓(xùn)練出來的模型的表現(xiàn)，度量了同樣大小的訓(xùn)練集的變動(dòng)所導(dǎo)致的學(xué)習(xí)性能的變化, 即述了數(shù)據(jù)擾動(dòng)所造成的影響。

采用已由正則化線性回歸方法預(yù)測(cè)
• 更多的訓(xùn)練實(shí)例——解決高偏差
• 減少特征數(shù)量——解決高偏差
• 獲得更多特征——解決高方差
• 增加多項(xiàng)式特征——解決高方差
• 減少歸一化程度 λ——解決高方差
• 增加歸一化程度 λ——解決高偏差
對(duì)新樣本的偏差較大，如何改進(jìn)算法的預(yù)測(cè)性能？

完整的pdf格式文檔51黑下載地址（共41頁(yè)）：

機(jī)器學(xué)習(xí)應(yīng)用系統(tǒng)設(shè)計(jì).pdf (13.17 MB, 下載次數(shù): 48)

ID:1 · 發(fā)表于 2018-12-9 02:58

好資料，51黑有你更精彩!!!

ID:319683 · 發(fā)表于 2020-8-2 09:04

很有啟發(fā)，感謝

ID:325805 · 發(fā)表于 2020-9-14 09:50

不錯(cuò)，從原理出發(fā)

帳號(hào)		自動(dòng)登錄	找回密碼
密碼			立即注冊(cè)