本发明公开了一种驾驶自适应控制方法,属于智能驾驶和人工智能技术领域,包括获取历史驾驶数据集,并将历史驾驶数据集分为训练集、测试集和验证集;采用基于深度卷积神经网络的深度强化学习算法,构建用于驾驶控制的网络模型;利用训练集数据对网络模型进行训练,并利用代价函数的梯度迭代重复训练网络模型,以得到优化后的网络模型;利用测试集和验证集对优化后的网络模型的性能进行验证,并将满足性能的网络模型作为自适应决策模型;利用自适应决策模型对当前采集的实时环境数据进行处理,做出驾驶决策。本发明能更好的模拟人类在真实复杂环境下做出的驾驶决策和相应的驾驶动作。
声明:
“驾驶自适应控制方法” 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)