Providing personalized feedback in

Providing personalized feedback in Intelligent Transport Systems is a powerful tool for instigating a change in driving behaviour and the reduction of CO2 emissions. This requires a system that is capable of detecting driver characteristics from real-time vehicle data. In this paper, we apply the architecture and theory of a Neural-Symbolic Cognitive Agent (NSCA) to effectively learn and reason about observed driving behaviour and related driver characteristics. The NSCA architecture combines neural learning and reasoning with symbolic temporal knowledge representation and is capable of encoding background knowledge, learning new hypotheses from observed data, and inferring new beliefs based on these hypotheses. Furthermore, it deals with uncertainty and errors in the data using a Bayesian inference model, and it scales well to hundreds of thousands of data samples as in the application reported in this paper. We have applied the NSCA in an Intelligent Transport System to reduce CO2 emissions as part of an European Union project, called EcoDriver. Results reported in this paper show that the NSCA outperforms the state-of-the-art in this application area, and is applicable to very large data.

ผลลัพธ์ (ไทย) 1:

ให้ผลป้อนกลับส่วนบุคคลในระบบขนส่งอัจฉริยะเป็นเครื่องมือที่มีประสิทธิภาพสำหรับ instigating การเปลี่ยนแปลงในพฤติกรรมการขับขี่และลดการปล่อย CO2 ต้องการระบบที่มีความสามารถในการตรวจสอบลักษณะการควบคุมจากข้อมูลยานพาหนะแบบเรียลไทม์ ในเอกสารนี้ เราใช้สถาปัตยกรรมและทฤษฎีของการ Neural สัญลักษณ์รับรู้แทน (NSCA) การเรียนรู้ และเหตุผลเกี่ยวกับการสังเกตพฤติกรรมขับขี่และลักษณะโปรแกรมควบคุมที่เกี่ยวข้องได้อย่างมีประสิทธิภาพ สถาปัตยกรรม NSCA รวมการเรียนรู้ และการใช้เหตุผลกับขมับรู้สัญลักษณ์แสดงประสาท และมีความสามารถในการเข้ารหัสความรู้พื้นหลัง สมมุติฐานใหม่จากข้อมูลสังเกตการเรียนรู้ และ inferring ใหม่ความเชื่อตามสมมุติฐานเหล่านี้ นอกจากนี้ มันเกี่ยวข้องกับความไม่แน่นอนและข้อผิดพลาดในข้อมูลโดยใช้แบบข้อทฤษฎี และก็ปรับขนาดกันไปหลายร้อยหลายพันตัวอย่างข้อมูลในแอพลิเคชันรายงานในเอกสารนี้ เราใช้ NSCA ในระบบขนส่งอัจฉริยะเพื่อลดการปล่อย CO2 เป็นส่วนหนึ่งของโครงการสหภาพยุโรป เรียกว่า EcoDriver ผลลัพธ์ที่รายงานในเอกสารนี้แสดงว่า NSCA outperforms รัฐของ-the-art ในแอพพลิเคชันนี้ และสามารถใช้ได้กับข้อมูลขนาดใหญ่มาก

ผลลัพธ์ (ไทย) 2:

ให้ข้อเสนอแนะส่วนบุคคลในระบบขนส่งอัจฉริยะเป็นเครื่องมือที่มีประสิทธิภาพสำหรับ instigating เปลี่ยนแปลงพฤติกรรมการขับรถและการลดการปล่อย CO2 นี้ต้องใช้ระบบที่มีความสามารถในการตรวจสอบลักษณะการควบคุมจากข้อมูลในเวลาจริง ในบทความนี้เราใช้สถาปัตยกรรมและทฤษฎีของตัวแทนในการรับองค์ความรู้ประสาทสัญลักษณ์ (NSCA) ให้มีประสิทธิภาพการเรียนรู้และเหตุผลเกี่ยวกับการสังเกตพฤติกรรมการขับรถและลักษณะที่เกี่ยวข้องกับคนขับรถ สถาปัตยกรรม NSCA รวมการเรียนรู้ของระบบประสาทและการให้เหตุผลกับการแทนความรู้ชั่วสัญลักษณ์และมีความสามารถในการเข้ารหัสความรู้พื้นฐานการเรียนรู้สมมติฐานใหม่จากข้อมูลที่สังเกตและการอนุมานความเชื่อใหม่บนพื้นฐานของสมมติฐานเหล่านี้ นอกจากนี้มันเกี่ยวข้องกับความไม่แน่นอนและข้อผิดพลาดในข้อมูลโดยใช้แบบจำลองการอนุมานแบบเบย์และเครื่องชั่งน้ำหนักมันได้ดีไปหลายร้อยหลายพันตัวอย่างข้อมูลเช่นเดียวกับในแอพลิเคชันที่มีการรายงานในบทความนี้ เราได้นำมาใช้ NSCA ในระบบขนส่งอัจฉริยะที่จะลดการปล่อย CO2 เป็นส่วนหนึ่งของโครงการสหภาพยุโรปที่เรียกว่า ECODRIVER ผลการรายงานในบทความนี้แสดงให้เห็นว่ามีประสิทธิภาพดีกว่า NSCA รัฐของศิลปะในพื้นที่โปรแกรมนี้และใช้ได้กับข้อมูลที่มีขนาดใหญ่มาก

ผลลัพธ์ (ไทย) 3:

ให้ข้อเสนอแนะส่วนบุคคลในระบบขนส่งอัจฉริยะเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการเปลี่ยนแปลงในพฤติกรรมการขับขี่ ยุยง และการลดลงของการปล่อย CO2 . นี้ต้องใช้ระบบที่สามารถตรวจจับผู้ขับขี่ยานพาหนะจากลักษณะข้อมูลแบบเรียลไทม์ ในกระดาษนี้เราใช้สถาปัตยกรรมและทฤษฎีของประสาทรับรู้สัญลักษณ์ตัวแทน ( nsca ) มีประสิทธิภาพในการเรียนรู้และเหตุผลเกี่ยวกับสังเกตพฤติกรรมคนขับขับรถและคุณลักษณะ การ nsca สถาปัตยกรรมผสมผสานการเรียนรู้ประสาทและการใช้เหตุผลกับสัญลักษณ์และการแทนความรู้ และมีความสามารถในการเรียนรู้และความรู้พื้นฐานการเข้ารหัสใหม่ สังเกตได้จากข้อมูลและการอนุมานความเชื่อใหม่บนพื้นฐานของสมมติฐานเหล่านี้ นอกจากนี้ยังเกี่ยวข้องกับความไม่แน่นอนและข้อผิดพลาดในข้อมูลโดยใช้รูปแบบการอนุมานแบบเบย์ และ มันชั่งดีหลายร้อยหลายพันตัวอย่างข้อมูลในโปรแกรมรายงานในกระดาษนี้ เราได้ประยุกต์ใช้ nsca ในระบบการขนส่งอัจฉริยะเพื่อลดการปล่อย CO2 เป็นส่วนหนึ่งของโครงการสหภาพยุโรปเรียก ecodriver .แสดงผลรายงานในกระดาษนี้ว่า nsca มีประสิทธิภาพดีกว่ารัฐ - of - the - art ในใบสมัครนี้ พื้นที่ และใช้ได้กับข้อมูลที่มีขนาดใหญ่มาก