找到 2 条结果
交通场景理解的深度学习综述
Deep Learning for Traffic Scene Understanding: A Review
Parya Dolatyabi · Jacob Regan · Mahdi Khodayar · IEEE Access · 2025年1月
本综述论文深入分析深度学习模型在交通场景理解中的应用，这是现代智能交通系统的关键方面。研究检验分类、目标检测和分割等基础技术，并扩展到动作识别、目标跟踪、路径预测、场景生成检索、异常检测、图像到图像转换I2IT和人员重识别等更高级应用。论文综合广泛研究的见解，追溯从传统图像处理方法到复杂深度学习技术如卷积神经网络CNN和生成对抗网络GAN的演进。综述探讨三类主要领域自适应DA方法：基于聚类、基于差异和基于对抗，强调其在交通场景理解中的重要性。讨论超参数优化HPO的重要性，强调其在增强模型性能和效...
解读: 该交通场景理解技术可应用于阳光电源储能电站和充电站智能管理。阳光在新能源汽车充电领域需要车辆识别、车位管理和安全监控。该深度学习综述涵盖的目标检测和跟踪技术可集成到阳光充电站管理系统，实现车辆自动识别、充电桩智能分配和异常行为检测。在工商业储能场景下，该技术可优化园区能源管理，识别车辆进出和负荷变化...
超参数优化自动化机器学习与可解释人工智能模型的对比分析
Comparative Analysis of Automated Machine Learning for Hyperparameter Optimization
Muhammad Salman Khan · Tianbo Peng · Hanzlah Akhlaq · Muhammad Adeel Khan · IEEE Access · 2025年1月
人工智能AI日益应用于解决复杂现实问题。AI最重大挑战之一在于为给定任务选择和微调最优算法。自动化机器学习AutoML模型作为应对这一挑战的有前途解决方案出现，通过系统探索超参数空间高效识别最优配置。本研究通过对AutoML框架进行超参数优化综合对比分析以及评估各种可解释性技术提升模型可解释性有效性，解决当前文献中的关键空白。为此，选择随机森林RF作为基础模型并与九种不同AutoML框架集成，即随机搜索RS、网格搜索GS、Hyperopt、TPOT、Optuna、GP Minimize、Fore...
解读: 该自动化机器学习技术对阳光电源数据分析和优化具有重要应用价值。阳光iSolarCloud平台处理海量光伏储能运行数据，需要高效的机器学习模型开发工具。该研究的AutoML框架对比和Optuna优选结果可指导阳光优化云平台的预测模型，如光伏发电预测、电池寿命预测和故障诊断。在储能系统优化中，该超参数自...