RT info:eu-repo/semantics/bachelorThesis
T1 Improved crash detection system for motorcycles based on neural networks
A1 Gay Nieto, César
K1 Redes neuronales artificiales
K1 Accidentes de tráfico
K1 Feedforward Artificial Neural Network
K1 Motorcycle Emergency Call
K1 Telecomunicaciones
K1 Telecommunication
AB Este proyecto optimiza el mecanismo de detección de accidentes del sistema denominado "Moto eCall", finalizado en Junio del año 2011 en el Colegio de Ingeniería de Aarhus (Dinamarca). Para ello, y después de un largo proceso de búsqueda de soluciones, se propone el uso de una red neuronal artificial (RNA) de propagación hacia delante junto con la nueva técnica de aprendizaje denominada ELM (Extreme Learning Machine). Las RNAs ofrecen numerosas ventajas como aprendizaje adaptativo, auto-organización, tolerancia a fallos y operación en tiempo real. Además, el algoritmo ELM proporciona el mejor rendimiento de generalización a una velocidad de aprendizaje muy elevada. Con todo esto, las RNAs el algoritmo de aprendizaje ELM son la combinación perfecta para optimizar el rendimiento de Moto eCall. Gracias a los "crash test" realizados con el programa de simulación llamado "Working Model', la susodicha combinación ha sido probada. Los resultados muestran un rendimiento óptimo ya que la red neuronal reacciona casi inmediatamente cuando se produce un accidente y, además, los tiempos de entrenamiento y de previsión son más pequeños que los del algoritmo actual. Por lo tanto, se confirma que la propuesta de este proyecto mejora los puntos débiles del sistema actual de detección de accidentes
YR 2013
FD 2013
LK http://hdl.handle.net/10017/27097
UL http://hdl.handle.net/10017/27097
LA eng
DS MINDS@UW
RD 23-abr-2024