电池寿命预测;现实的无人驾驶模拟;像人工智能识别图像。
电池寿命预测
斯坦福大学的研究人员,麻省理工学院,和丰田研究所开发的机器学习模型预测锂离子电池多久可以将执行。
研究者的模型训练几亿数据点的电池充电和放电。数据集由124商业磷酸铁锂/石墨细胞循环充电快的条件下,对不同周期的生活从150年到2300年周期。变化部分是测试的结果不同的方法快速充电,也由于制造电池之间的可变性。
基于电压下降和一些其他因素在早期的周期,该算法预测每个电池将持续多少周期。
模型测试错误率9%定量预测使用第一个100次循环寿命。另外,该算法分类电池是长或短寿命只基于前5个充电/放电循环。在这里,95%的时间是正确的预测。
在项目的开始,研究人员正在寻找一种更好的方式充电电池在10分钟内,帮助大量的电动汽车通过。生成的训练数据集,该团队电池充电和放电,直到每一个到达使用寿命,它们定义为能力损失20%。然而,他们想找到是否有必要执行完整的周期来确定电池的寿命。
只需要运行一个有限数量的周期可能加快电池的发展。”所有的时间和金钱被花费在电池发展、进步仍然是几十年来衡量,”帕特里克说鲱鱼、丰田研究所的科学家。“在这项工作中,我们减少最耗时的步骤之一——电池测试——一个数量级。”
超出了更快的发展,该方法可用于单独的电池制造后,向那里的预期寿命较低的应用程序。它可以帮助优化生产,彼得•阿迪说斯坦福大学材料科学与工程博士研究生。“最后一步生产电池被称为‘形成’可以持续数天到数周。使用我们的方法可以大大缩短,降低生产成本。”
数据集由研究者已经公开。
现实的无人驾驶模拟
马里兰大学的科学家们,百度研究,香港大学创建了一个新的模拟器训练和测试自主车辆尽可能使用环境以及现实世界的交通流模式和司机的行为。
团队说他们的系统,称为增强自主驾驶模拟(aad)更准确地代表输入一个无人驾驶汽车将获得在路上。而不是使用计算机生成图像和数学建模运动模式行人、自行车、和其他的汽车,是一个典型的自动驾驶模拟器,aad结合照片、视频、与现实世界的轨迹和激光雷达点云数据行人、自行车、和其他车辆。这些轨迹可以用来预测未来的驾驶行为和职位路上其他车辆和行人的安全导航。
“我们渲染和模拟现实世界的视觉上,使用视频和照片,而且我们捕捉真正的运动行为和模式,“Dinesh Manocha说,计算机科学的教授,在马里兰大学电气和计算机工程。“人类开车不容易捕捉的数学模型和物理定律。所以,我们提取数据从所有可用的视频我们有真正的轨迹,我们驾驶行为建模使用社会科学方法。这种数据驱动的方法给了我们一个更现实的和有益的交通模拟器。”
此外,研究人员开发的技术,分离各种组件的一个真实的街景,使他们作为单独的元素,可以后创建大量的实景照片驾驶场景。这是真实的视频和激光雷达的使用的关键数据,并允许车辆和行人被解除了从一个环境并放置到另一个与适当的照明和运动模式。
“因为我们用真实的视频和真实世界的运动,我们的感知模块已经比以前的方法更准确的信息,”Manocha说。“然后,因为现实的模拟器,我们可以更好地评估自主驾驶系统的导航策略。”
团队希望公司发展自主汽车结合模拟器的一些相同的方法。
识别图像像人工智能
有很多人工智能系统和神经网络识别错的例子图像图像中由于轻微的变化,如磁带在停车标志的应用。调查,约翰霍普金斯大学的研究人员把表和要求人类被试识别一系列的不清楚,静电噪声图像以确定他们是否会做出同样的决定作为一个神经网络。
“大多数时候,我们的研究领域是让计算机像人一样思考,“查兹费尔斯通说,约翰霍普金斯大学助理教授的心理和大脑科学部门。“我们的项目是相反的——我们要问人们是否可以像电脑一样思考。”
“这些机器似乎是人类不会识别错对象的方式,”费尔斯通说。”,但令人惊讶的是,没有人真正测试。我们怎么知道人们看不到的电脑做了什么吗?”
为了验证这个理论,研究团队给人许多敌对的图像设计技巧的神经网络,事实上,导致电脑给出错误的答案,给人相同的标签选项机器了。特别是,他们要求人们两个选项哪个电脑决定对象——一个计算机的真正的结论,另一个随机的答案。
75%的时间,人们选择了神经网络相同的答案。此外,98%的人倾向于回答像计算机一样。
跟进,团队缩小了选择计算机的选择答案和排名第二的选择。同样,有91%的人同意测试机器的第一选择。
即使研究人员让人猜48之间选择的对象是什么,即使像电视静态图片,绝大部分的主题选择的机器选择远高于利率随机的机会。
1800人中包含的各种实验。“我们发现,如果你把一个人放在与电脑相同的情况下,突然,人们倾向于同意机器,”费尔斯通的结论。“人工智能,这仍然是一个问题,但它不像电脑说一些完全不像一个人会说什么。”
|
|
|
|
|
|
|
|
|
|
留下一个回复