دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: فلسفه ویرایش: نویسندگان: Loveleen Gaur. Biswa Mohan Sahoo سری: ISBN (شابک) : 3031096436, 9783031096433 ناشر: Springer سال نشر: 2022 تعداد صفحات: 103 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Explainable Artificial Intelligence for Intelligent Transportation Systems: Ethics and Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب هوش مصنوعی قابل توضیح برای سیستم های حمل و نقل هوشمند: اخلاق و کاربردها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
حمل و نقل معمولاً مستلزم انتخابهای حیاتی «زندگی-مرگ» است، واگذاری تصمیمات حیاتی به الگوریتم هوش مصنوعی بدون هیچ توضیحی، تهدیدی جدی است. از این رو، توضیح پذیری و هوش مصنوعی مسئول در زمینه حمل و نقل هوشمند بسیار مهم است. در پیادهسازیهای سیستم حملونقل هوشمند (ITS) مانند سیستمهای مدیریت ترافیک و برنامههای کاربردی رانندگی خودران، مکانیسمهای کنترل مبتنی بر هوش مصنوعی در حال افزایش است. چالشهای موجود در زمینه خودروهای خودران، سیستم مدیریت ترافیک، یکپارچهسازی دادهها و تجزیه و تحلیل و نظارت بر محیط اطراف.
این کتاب درباره سیستم حملونقل هوشمند قابل توضیح بحث و اطلاع رسانی به محققان میدهد. همچنین روشها و تکنیکهای آیندهنگر را برای فعال کردن قابلیت تفسیرپذیری سیستمهای حملونقل مورد بحث قرار میدهد. این کتاب بیشتر بر ملاحظات اخلاقی جدا از ملاحظات فنی تمرکز دارد.
Transportation typically entails crucial “life-death” choices, delegating crucial decisions to an AI algorithm without any explanation poses a serious threat. Hence, explainability and responsible AI is crucial in the context of intelligent transportation. In Intelligence Transportation System (ITS) implementations such as traffic management systems and autonomous driving applications, AI-based control mechanisms are gaining prominence.
Explainable artificial intelligence for intelligent transportation system tackling certain challenges in the field of autonomous vehicle, traffic management system, data integration and analytics and monitor the surrounding environment.
The book discusses and inform researchers on explainable Intelligent Transportation system. It also discusses prospective methods and techniques for enabling the interpretability of transportation systems. The book further focuses on ethical considerations apart from technical considerations.
Preface Acknowledgments Contents List of Figures List of Tables About the Authors Abbreviations Chapter 1: Introduction to Explainable AI and Intelligent Transportation 1.1 Introduction 1.2 Intelligent Transportation Systems 1.3 AI and Infrastructure to Support ITS 1.4 Overview of ITS Applications 1.5 XAI in Aviation and Transportation System 1.6 Intelligent Transportation Systems Past, Present, and Future 1.7 Conclusion References Chapter 2: Intelligent Transportation Technology Enablers 2.1 Introduction 2.2 Autonomous Vehicles 2.3 HetVNETs 2.4 AVNS 2.5 FIT 2.6 Digital Maps 2.7 Conclusion References Chapter 3: Artificial Intelligent Algorithm Based on Energy Efficient Routing for ITS 3.1 Introduction 3.2 Background Study 3.3 Proposed Work: EER-SHO 3.4 Simulation Setting 3.5 Simulation Results 3.6 Conclusion References Chapter 4: Intelligent Transportation System: Modern Business Models 4.1 Introduction 4.2 ITS and Economic Growth 4.2.1 COVID-19 and ITS 4.3 Impact of ITS Advances on the Industry 4.4 ITS Business Models: Ticketing as a Service 4.5 Market Trend of ITS 4.6 Societal Impact of ITS 4.7 Conclusion References Chapter 5: Explainable AI in ITS: Ethical Concerns 5.1 AI and Sustainability 5.2 Transportation Network Applications 5.2.1 Accidents Detection 5.2.2 AI Predictive Models 5.2.3 AI in the Airline Industry 5.2.4 AI in Security 5.2.5 AI in Automatic Vehicle Location 5.3 Autonomous Driving Levels and Enablers 5.3.1 Level 0: There Is No Automation 5.3.2 Level 1: Driver Assistance 5.3.3 Level 2: Partial Automation 5.3.4 Level 3: Conditional Automation 5.3.5 Level 4: High Level of Automation 5.3.6 Level 5: Full Automation 5.4 Personalised Mobility Services and AI 5.5 Conclusion References