Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Generating Synthetic Vehicle Speed Records Using LSTM

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F23%3A00011353" target="_blank" >RIV/46747885:24220/23:00011353 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1007/978-3-031-34111-3_12" target="_blank" >https://doi.org/10.1007/978-3-031-34111-3_12</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-031-34111-3_12" target="_blank" >10.1007/978-3-031-34111-3_12</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Generating Synthetic Vehicle Speed Records Using LSTM

  • Popis výsledku v původním jazyce

    Quality assurance testing of automotive electronic components such as navigation or infotainment displays requires data from genuine car rides. However, traditional static on-site testing methods are time-consuming and costly. To address this issue, we present a novel approach to generating synthetic ride data using Bidirectional LSTM, which offers a faster, more flexible, and environmentally friendly testing process. In this paper, we demonstrate the effectiveness of our approach by generating synthetic vehicle speed along a given route and evaluating the fidelity of the generated output using objective and subjective methods. Our results show that our approach achieves high levels of fidelity and offers a promising solution for quality assurance testing in the automotive industry. This work contributes to the growing research on generative machine learning models and their potential applications in the automotive industry.

  • Název v anglickém jazyce

    Generating Synthetic Vehicle Speed Records Using LSTM

  • Popis výsledku anglicky

    Quality assurance testing of automotive electronic components such as navigation or infotainment displays requires data from genuine car rides. However, traditional static on-site testing methods are time-consuming and costly. To address this issue, we present a novel approach to generating synthetic ride data using Bidirectional LSTM, which offers a faster, more flexible, and environmentally friendly testing process. In this paper, we demonstrate the effectiveness of our approach by generating synthetic vehicle speed along a given route and evaluating the fidelity of the generated output using objective and subjective methods. Our results show that our approach achieves high levels of fidelity and offers a promising solution for quality assurance testing in the automotive industry. This work contributes to the growing research on generative machine learning models and their potential applications in the automotive industry.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/CK01000020" target="_blank" >CK01000020: Vývoj generátoru tras GNSS a signálu CANBUS pomocí strojového učení s využitím Software Defined Radio</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2023

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    IFIP Advances in Information and Communication Technology

  • ISBN

    978-3-031-34110-6

  • ISSN

    18684238

  • e-ISSN

  • Počet stran výsledku

    12

  • Strana od-do

    125-136

  • Název nakladatele

    Springer Nature Switzerland

  • Místo vydání

  • Místo konání akce

    León

  • Datum konání akce

    1. 1. 2023

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku