近日，我校新媒体学院田勇老师撰写的论文《Improvement of action recognition based on ANN-BP algorithm for auto driving cars》在EI来源期刊《Frontiers in Mechanical Engineering》正式发表并全文收录。
该论文提出：随着人工智能和自动驾驶技术的发展，运动识别在汽车自动驾驶中的应用变得越来越重要。传统的特征提取方法使用自适应搜索混合学习，并且需要手动设计特征提取过程，这在复杂环境中难以满足识别要求。本文提出了一种融合算法，通过时频分析对驾驶特征进行分类，并在人工神经网络中执行反向传播操作以提高算法的收敛速度。该研究的性能分析实验在Autov数据集上进行，并将结果与其他三种算法的结果进行了比较。当车辆动作系数为227时，四种算法的判断准确率分别为0.98、0.94、0.93和0.95，表明融合算法是稳定的。当道路样本为547时，融合算法的车辆驾驶能力为4.7，这是四种算法中表现最好的，表明融合算法具有强大的适应性。结果表明，融合算法在提高自动驾驶车辆的自主操作能力、降低驾驶过程中车辆事故的频率以及促进生产、生活和社会的发展方面具有实际意义。
