本发明提供一种基于深度学习的
新能源汽车无人驾驶径优化方法,本发明的方法首先收集无人驾驶路径规划的参数,将收集到的无人驾驶路径规划的参数进行分类,作为深度ELM分类器的输入;再进行ELM分类器的构建:该阶段设置合适的隐含神经元个数,通过ELM算法对无人驾驶路径规划网络模型进行训练;RPSO算法优化ELM的权重和偏移:通过RPSO算法选取最佳粒子作为ELM算法的权重和偏移,通过该模型对测试集进行分类;分类结果的输出,找到无人驾驶路径规划的最佳路线。本发明通过深度学习进行预测,进而得到更为精确的预测结果。
声明:
“基于深度学习的新能源汽车无人驾驶径优化方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)