•  Persian
    • Persian
    • English
  •   ورود
  • دانشگاه فردوسی مشهد
  • |
  • مرکز اطلاع‌رسانی و کتابخانه مرکزی
    • Persian
    • English
  • خانه
  • انواع منابع
    • مقاله مجله
    • کتاب الکترونیکی
    • مقاله همایش
    • استاندارد
    • پروتکل
    • پایان‌نامه
  • راهنمای استفاده
View Item 
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  • همه
  • عنوان
  • نویسنده
  • سال
  • ناشر
  • موضوع
  • عنوان ناشر
  • ISSN
  • شناسه الکترونیک
  • شابک
جستجوی پیشرفته
JavaScript is disabled for your browser. Some features of this site may not work without it.

Adaptive traffic lights based on hybrid of neural network and genetic algorithm for reduced traffic congestion

نویسنده:
Kaur, T. , Agrawal, S.
ناشر:
IEEE
سال
: 2014
شناسه الکترونیک: 10.1109/ITEC-AP.2014.6941260
یو آر آی: http://libsearch.um.ac.ir:80/fum/handle/fum/985509
کلیدواژه(گان): Kalman filters,battery powered vehicles,electric charge,genetic algorithms,nonlinear filters,secondary cells,SoC trajectory,electric vehicles,extended Kalman filter,genetic algorithm,lithium-ion battery,lumped parameter model,model error reduction,polarization time constant optimization,real-time battery current measurement,real-time battery voltage measurement,state-of-charge estimation,Accuracy,Batteries,Equations,Estimation,Integrated circuit modeling,Mathematical model
کالکشن :
  • Latin Articles
  • نمایش متادیتا پنهان کردن متادیتا
  • آمار بازدید

    Adaptive traffic lights based on hybrid of neural network and genetic algorithm for reduced traffic congestion

Show full item record

contributor authorKaur, T. , Agrawal, S.
date accessioned2020-03-12T19:40:04Z
date available2020-03-12T19:40:04Z
date issued2014
identifier other6799655.pdf
identifier urihttp://libsearch.um.ac.ir:80/fum/handle/fum/985509
formatgeneral
languageEnglish
publisherIEEE
titleAdaptive traffic lights based on hybrid of neural network and genetic algorithm for reduced traffic congestion
typeConference Paper
contenttypeMetadata Only
identifier padid8101156
subject keywordsKalman filters
subject keywordsbattery powered vehicles
subject keywordselectric charge
subject keywordsgenetic algorithms
subject keywordsnonlinear filters
subject keywordssecondary cells
subject keywordsSoC trajectory
subject keywordselectric vehicles
subject keywordsextended Kalman filter
subject keywordsgenetic algorithm
subject keywordslithium-ion battery
subject keywordslumped parameter model
subject keywordsmodel error reduction
subject keywordspolarization time constant optimization
subject keywordsreal-time battery current measurement
subject keywordsreal-time battery voltage measurement
subject keywordsstate-of-charge estimation
subject keywordsAccuracy
subject keywordsBatteries
subject keywordsEquations
subject keywordsEstimation
subject keywordsIntegrated circuit modeling
subject keywordsMathematical model
identifier doi10.1109/ITEC-AP.2014.6941260
journal titlengineering and Computational Sciences (RAECS), 2014 Recent Advances in
filesize224874
citations0
  • درباره ما
نرم افزار کتابخانه دیجیتال "دی اسپیس" فارسی شده توسط یابش برای کتابخانه های ایرانی | تماس با یابش
DSpace software copyright © 2019-2022  DuraSpace