مقاله پیش بینی موقعیت مکانی شیء در زمان واقعی با استفاده از شبکه عصبی LSTM و رگرسیون چند جمله ای
| عنوان مقاله به انگلیسی | Object Location Prediction in Real-time using LSTM Neural Network and Polynomial Regression |
| عنوان مقاله به فارسی | مقاله پیش بینی موقعیت مکانی شیء در زمان واقعی با استفاده از شبکه عصبی LSTM و رگرسیون چند جمله ای |
| نویسندگان | Petar Stojković, Predrag Tadić |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Machine Learning,Robotics,یادگیری ماشین , روباتیک , |
| توضیحات | Submitted 23 November, 2023; originally announced November 2023. |
| توضیحات به فارسی | ارسال شده 23 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد. |
چکیده
This paper details the design and implementation of a system for predicting and interpolating object location coordinates. Our solution is based on processing inertial measurements and global positioning system data through a Long Short-Term Memory (LSTM) neural network and polynomial regression. LSTM is a type of recurrent neural network (RNN) particularly suited for processing data sequences and avoiding the long-term dependency problem. We employed data from real-world vehicles and the global positioning system (GPS) sensors. A critical pre-processing step was developed to address varying sensor frequencies and inconsistent GPS time steps and dropouts. The LSTM-based system's performance was compared with the Kalman Filter. The system was tuned to work in real-time with low latency and high precision. We tested our system on roads under various driving conditions, including acceleration, turns, deceleration, and straight paths. We tested our proposed solution's accuracy and inference time and showed that it could perform in real-time. Our LSTM-based system yielded an average error of 0.11 meters with an inference time of 2 ms. This represents a 76\% reduction in error compared to the traditional Kalman filter method, which has an average error of 0.46 meters with a similar inference time to the LSTM-based system.
چکیده به فارسی (ترجمه ماشینی)
در این مقاله به طراحی و اجرای یک سیستم برای پیش بینی و درون یابی مختصات موقعیت مکانی شیء ارائه شده است.راه حل ما مبتنی بر پردازش اندازه گیری های اینرسی و داده های سیستم موقعیت یابی جهانی از طریق یک شبکه عصبی حافظه کوتاه مدت (LSTM) و رگرسیون چند جمله ای است.LSTM نوعی از شبکه عصبی مکرر (RNN) است که به ویژه برای پردازش توالی داده ها و جلوگیری از مشکل وابستگی طولانی مدت مناسب است.ما از داده های وسایل نقلیه در دنیای واقعی و سنسورهای سیستم موقعیت یابی جهانی (GPS) استفاده کردیم.یک مرحله قبل از پردازش مهم برای رسیدگی به فرکانس های مختلف سنسور و مراحل زمان و ترکیبی از GPS متناقض ایجاد شد.عملکرد سیستم مبتنی بر LSTM با فیلتر کالمن مقایسه شد.این سیستم برای کار در زمان واقعی با تأخیر کم و دقت بالا تنظیم شده است.ما سیستم خود را در جاده ها در شرایط مختلف رانندگی از جمله شتاب ، چرخش ، کاهش و مسیرهای مستقیم آزمایش کردیم.ما دقت و زمان استنباط راه حل پیشنهادی خود را آزمایش کردیم و نشان دادیم که می تواند در زمان واقعی انجام شود.سیستم مبتنی بر LSTM ما خطای متوسط 0.11 متر با زمان استنباط 2 میلی ثانیه به همراه داشت.این نشان دهنده کاهش 76 \ ٪ خطا در مقایسه با روش سنتی فیلتر Kalman است که دارای خطای متوسط 0.46 متر با زمان استنتاج مشابه به سیستم مبتنی بر LSTM است.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.