分享到:

基于支持向量机的R&D项目中止决策算法

提出了一种基于支持向量机的R&D项目的中止决策算法,该算法根据以往同类R&D项目失败或成功的经验作为学习样本,来识别未知性质的R&D项目  (本文共3页) 阅读全文>>

《贵阳学院学报(自然科学版)》2013年03期
贵阳学院学报(自然科学版)

基于量子竞争决策算法的网络路由算法的研究

基于量子竞争决策算法并将其应用到网络路由算法的优化中,再通过无线传感器网络中利用...  (本文共4页) 阅读全文>>

《成组生产系统》1989年04期
成组生产系统

CAD与CAPP连接的一种方法

本文提出了一种利用现有的成型软件完成CAD与CAPP连接的方法。在叙述了其必要性和可能性之后,着重介绍了完...  (本文共3页) 阅读全文>>

电子科技大学
电子科技大学

融合时空特征的端到端驾驶决策算法及仿真实现

智能汽车决策系统的目标是使智能汽车整合环境及车辆内部信息,确保车辆安全稳定地运行。为了学习在道路上驾驶,传统方法利用多传感器目标检测和融合技术获取周围环境情况,并将处理后的关键信息发送给决策层,最后将规划适当的路径、速度等信息发送给控制层。而端到端方法将学习从感知信息映射到转向角的单个网络,直接基于输入图像计算决策值,将认知过程统一到决策过程中,以这种方式简化了系统结构。针对传统智能汽车驾驶决策算法在特征提取上和现有端到端驾驶决策算法不考虑车辆动态信息的问题,本文提出了一种基于时空联合深度残差网络模型的端到端驾驶决策方法,该方法能够准确预测方向盘角度值。本文主要做了以下三个工作:(1)针对传统端到端驾驶决策算法无法很好地获取历史图像输入之间的时空联合信息这一问题,提出了一种基于时空联合特征的深度残差网络模型,该算法结合了时空联合深度残差网络(Residual Network,ResNet)和卷积长短时记忆网络(Convoluti...  (本文共71页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

面向结构化道路环境的智能汽车驾驶决策算法研究

随着智能交通的发展,智能汽车逐渐成为汽车行业研究的重点,其中驾驶决策是智能汽车有别于传统智能辅助驾驶汽车的关键所在。因此,驾驶决策算法的发展极大影响了智能汽车的技术发展和产业化推进。但是传统驾驶决策算法应用程度有限,建立一种可以适应新时代智能汽车发展要求的驾驶决策算法成为了亟待解决的问题。本文对目前国内外工业界和学术界所采用的驾驶决策算法进行了简要分析。综合考虑驾驶决策算法在开发过程中的难点和要点,提出了基于深度强化学习方法的驾驶决策算法。主要研究内容如下:(1)面向驾驶决策的深度强化学习方法研究。分析驾驶决策的特异性,并结合这种特异性选择了深度强化学习方法作为构建驾驶决策算法的基础。简要的介绍了深度强化学习的基础内容,包括强化学习基础、学习方式以及基于神经网络的函数拟合方法。综合考虑驾驶决策的特点和实际需求,选择了混合学习方式作为基础方式,深度确定性策略梯度方法(Deep Deterministic Policy Gradie...  (本文共102页) 本文目录 | 阅读全文>>

北京交通大学
北京交通大学

众包技术中开放性答案的决策算法研究

现实生活中往往存在一些计算机难以处理或者处理效果不佳的问题,如给图像打标签、判断两个记录是不是同一个实体等。众包直接将这些问题发布到互联网上,通过集合互联网上的未知大众来解决这些传统计算机难以单独处理的问题。已有的答案决策方法存在一定的局限性:一方面,以往工人的质量模型矩阵大小是固定的,仅适用于候选答案固定的情形。另一方面,众包平台上的问题类型有填空题、选择题(分单选题和多选题)、选择和填空的混合等,以往的答案决策算法主要是基于单选题提出的,不能兼容多种答案类型,尤其无法处理包含开放性答案的问题。针对以上问题,本文综合考虑多种答案类型,提出了一种基于贝叶斯的开放性答案决策算法。首先,利用工人以往表现,建立了工人质量模型,该模型不受候选答案个数影响;其次,利用Jaro-Winkler Distance方法计算填空答案间的相似度,以此将填空内容扩展为候选选项,决策时考虑到了填空答案间的相互影响,认为相似度较大的一组答案很可能为相同的...  (本文共75页) 本文目录 | 阅读全文>>