Artificiella neurala nätverk (ANN) kan användas för att lära och efterlikna olika beteenden. I det här projektet används ANN för att kontrollera en bil i en simulatormiljö genom att lära upp nätverken med mänskliga exempel. Syftet med projektet är att ta reda på vilken kombination av parametrar det är som gör att en bil kan kontrolleras av ANN med ett bra resultat. Detta undersöks genom att skapa åtta olika artificiella förare som representerar olika kombinationer av parametrar och sedan jämföra förarnas beteende och resultat för att se vilken förare som klarar sig bäst. På så vis är det sedan möjligt att härleda vilken kombination av parametrar som är den bästa för att kontrollera en bil med ANN. Resultaten från experimenten visar att den bästa kombinationen av parametrar för att styra en artificiell bilförare med ANN är högnivåinput, högnivåoutput och en delad nätverksarkitektur. Framtida arbeten innefattar bland annat hybrider av kombinationer.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:his-5986 |
| Date | January 2012 |
| Creators | Welleby, Tommy |
| Publisher | Högskolan i Skövde, Institutionen för kommunikation och information |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0015 seconds