特斯拉自動雨刷軟件升級，深層神經(jīng)網(wǎng)絡(luò)控制雨刷
據(jù)外媒報道，特斯拉發(fā)布了一款新的軟件升級，使用一種新的車輛深度神經(jīng)網(wǎng)絡(luò)對車輛的自動雨刷進(jìn)行了重大升級，這項技術(shù)被稱為“DeepRain”。
特斯拉Model 3
就像今天的大多數(shù)高檔汽車一樣，特斯拉的自動雨刷系統(tǒng)能根據(jù)雨雪的強(qiáng)度自動匹配雨刷的速度。然而，與大多數(shù)其他汽車制造商不同的是，特斯拉的系統(tǒng)不使用雨水傳感器。取而代之的是使用自動駕駛儀相機(jī)來輸入計算機(jī)視覺神經(jīng)網(wǎng)絡(luò)，以決定雨刷的速度。這項技術(shù)一直以來都被應(yīng)用在特斯拉車輛上，自去年以來，一些車主抱怨說，它的準(zhǔn)確性不如其他使用雨水感應(yīng)器的系統(tǒng)。
特斯拉現(xiàn)在已經(jīng)對這個神經(jīng)網(wǎng)絡(luò)系統(tǒng)部署了一個新的軟件更新(v2019.40.1.1)。特斯拉表示，“自動雨刷已得到改進(jìn)，使其更有可能在降雨較少時啟動，并對更多環(huán)境中降雨強(qiáng)度的變化作出反應(yīng)。自動雨刷目前正在使用一種深層神經(jīng)網(wǎng)絡(luò)進(jìn)行控制，它使用100多萬張圖像來檢測擋風(fēng)玻璃和其他天氣信號中的水滴。”
此前，特斯拉的一項專利顯示，其將來可能會用激光束來代替實體雨刷，清掃包括攝像頭和擋風(fēng)玻璃上的污漬。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4838瀏覽量
107834 -
特斯拉
+關(guān)注
關(guān)注
66文章
6413瀏覽量
131382
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
市政雨污排口流量監(jiān)測設(shè)備技術(shù)分析
市政雨污排口流量監(jiān)測是城市水環(huán)境治理與排水管網(wǎng)運(yùn)維的核心環(huán)節(jié)，精準(zhǔn)的流量數(shù)據(jù)能夠為雨污分流改造、防汛排澇調(diào)度、污染物溯源提供科學(xué)支撐。流量監(jiān)測設(shè)備作為數(shù)據(jù)采集的核心載體，其技術(shù)性能直接決定監(jiān)測工作
神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識
日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí)，而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大腦中神經(jīng)
自動駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個啥？
在自動駕駛領(lǐng)域，經(jīng)常會聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò)，簡稱為CNN，是一種專門用來處理網(wǎng)格狀數(shù)據(jù)（比如圖像）的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見，因為圖像本身就可以看作是由像素排列成的二維網(wǎng)格。
CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計原理及在MCU200T上仿真測試
數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時的梯度耗散問題。當(dāng)x>0 時，梯度恒為1，無梯度耗散問題，收斂快；當(dāng)x<0 時，該層的輸出為0。
CNN
發(fā)表于 10-29 07:49
NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹
NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。
該庫分為多個功能，每個功能涵蓋特定類別
發(fā)表于 10-29 06:08
在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗
本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗。我們采用jupyter notebook作為開發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是訓(xùn)練一個手寫數(shù)字識別的神經(jīng)網(wǎng)絡(luò)
發(fā)表于 10-22 07:03
液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時間連續(xù)性與動態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)
1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)（LiquidNeuralNetworks，LNN）是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，其設(shè)計理念借鑒自生物神經(jīng)系統(tǒng)，特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu)，盡管這種微生物的
神經(jīng)網(wǎng)絡(luò)的并行計算與加速技術(shù)
隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而，神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加，這使得傳統(tǒng)的串行計算方式面臨著巨大的挑戰(zhàn)，如計算速度慢、訓(xùn)練時間長等
無刷直流電機(jī)單神經(jīng)元自適應(yīng)智能控制系統(tǒng)
常規(guī)PID,大大提高了系統(tǒng)的跟隨性,能滿足BLDCM系統(tǒng)對實時性的要求。
純分享帖，點擊下方附件免費(fèi)獲取完整資料~~~
*附件：無刷直流電機(jī)單神經(jīng)元自適應(yīng)智能控制系統(tǒng).pdf
【免責(zé)聲明】本文系
發(fā)表于 06-26 13:36
無刷直流電機(jī)單神經(jīng)元PI控制器的設(shè)計
刷直流電機(jī)單神經(jīng)元PI控制器的設(shè)計.pdf
【免責(zé)聲明】本文系網(wǎng)絡(luò)轉(zhuǎn)載，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請第一時間告知，刪除內(nèi)容，謝謝！
發(fā)表于 06-26 13:34
無刷直流電機(jī)RBF磁場定向控制及監(jiān)控系統(tǒng)設(shè)計
摘 要:針對現(xiàn)有無刷直流電機(jī)轉(zhuǎn)矩脈動抑制方法存在抑制效果不理想,或脈動抑制效果好但學(xué)習(xí)算法復(fù)雜,不利于推廣的問題,將RBF神經(jīng)網(wǎng)絡(luò)與磁場定向控制相結(jié)合,選用Luminary615微控制
發(fā)表于 06-25 13:15
無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究
摘要:論文通過對無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
發(fā)表于 06-25 13:06
神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用
摘要:針對傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點,很大程度上降低了對電機(jī)
發(fā)表于 06-16 22:09
神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計中的仿真研究
眾多方法中，由于其結(jié)構(gòu)簡單，穩(wěn)定性好廣泛受到人們的重視，且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計精度下降和對電動機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點，使估計更為簡單、快速
發(fā)表于 06-16 21:54
改進(jìn)的BP網(wǎng)絡(luò)PID控制器在無刷直流電機(jī)中的應(yīng)用
通過分析學(xué)習(xí)速率對BP算法的影響,提出一種分層調(diào)整學(xué)習(xí)速率的改進(jìn)BP 網(wǎng)絡(luò)算法,并把該方法設(shè)計成 PID控制器應(yīng)用在無刷直流電機(jī)控制系統(tǒng)中,仿真結(jié)果驗證了基于改進(jìn)的 BP
發(fā)表于 05-28 15:42
工商網(wǎng)監(jiān)
評論