予測符号化理論に基づく深層学習モデルを用いた車載スピードメータの予測性評価
Evaluation of Predictability for Speedometer using Deep Learning Models Based on Predictive Coding Theory
- 提供方法
- 本サイト上にてダウンロード・閲覧可
- 形態
- 価格
- 一般価格(税込)：￥1,100 会員価格(税込)：￥880
- 文献番号
- 20216144
- 文献・情報種別
- 学術講演会予稿集（秋）
No.112-21
- 掲載ページ
- 1-6(Total 6 p)
- 発行年月
- 2021年 10月
- 出版社
- (公社)自動車技術会
- 言語
- 日本語
- イベント
- 2021年秋季大会 【オンライン】
書誌事項
| 著者 | 1) 竹本 敦, 2) 寺田 哲也, 3) 岡﨑 俊実, 4) 森 裕紀, 5) 尾形 哲也 |
|---|---|
| 著者（英） | 1) Atsushi Takemoto, 2) Tetsuya Terada, 3) Toshimi Okazaki, 4) Yuki Mori, 5) Tetsuya Ogata |
| 勤務先 | 1) マツダ, 2) マツダ, 3) マツダ, 4) 早稲田大学, 5) 早稲田大学 |
| 勤務先（英） | 1) Mazda, 2) Mazda, 3) Mazda, 4) Waseda University, 5) Waseda University |
| 抄録 | 車載表示機の視認性を定量的に評価すべく，本研究では大脳皮質の基本動作原理とされる予測符号化理論をもとに構築された深層学習モデルを用いてスピードメーターの動きの予測性評価を行った．その結果，学習データの特性やスピードメーターの仕様により予測性に差が見られため，結果より得られた知見について報告する． |
| 抄録（英） | Currently, there is a glowing need for the development of in-vehicle displays with high visibility, and for a method of quantitatively evaluating their visibility performance. In this research, we evaluated the predictability for speedometer needle movement using deep learning models based on the predictive coding theory. As a result, there were some differences in predictability depending on the characteristics of the learning data and the specifications of the in-vehicle meter, so we report the findings obtained from the results. 翻訳 |
