自动驾驶算法的异常事件生成系统设计与评估

评价自动驾驶算法对异常交通事件的响应具有重要的应用价值,针对在真实世界中制造异常交通事件存在代价高、风险大等问题,本文提出了一种面向自动驾驶算法评估的异常交通事件生成方法,该方法可以自动生成5类异常交通事件;基于该方法,搭建了一个驾驶策略评估系统,以实现对自动驾驶算法的评估.为验证生成的异常交通事件的有效性,对一种基于深度网络的模仿学习自动驾驶算法进行了评估.实验结果表明,生成的异常交通事件可以更全面地评估自动驾驶算法的性能.      

基于CSAGA-LSSVM算法的坦克驾驶模拟训练数据分类挖掘

利用坦克驾驶模拟器进行训练是提高操作技能的重要方法。针对以往驾驶模拟训练采用统计分析方法难以从复杂训练数据中发现知识和规律的不足,提出CSAGA-LSSVM算法对坦克驾驶模拟训练数据进行分析。首先选择关键点快速生成Shapelets,以减少候选Shapelets数量;其次,根据距离和时间间隔对Shapelets进行组合,增强特征辨识能力;然后,设计自适应遗传算法,动态调整交叉、变异概率,寻找最小二乘支持向量机最优参数解,提高分类结果的准确性;与其他分类方法进行实验对比,验证了CSAGA-LSSVM算法的可行性与有效性。最后,将算法应用于某型坦克驾驶模拟器换挡操作数据的分类挖掘,提取不同训练水平人员的操作特征,促进指导个性化训练。     

体现用户意图和风格的图像描述生成

现有的图像描述模型大多不能根据用户的意图和用语风格生成个性化的描述。针对这一问题,本文提出一种能体现用户意图和风格的个性化图像描述方法。首先,构建一个关于场景中目标、目标属性以及目标间关系的结构图,通过该图来控制用户所希望表达的目标对象、目标属性以及各目标之间的相互关系;然后,在编码器中加入多关系图卷积神经网络对场景的上下文信息进行编码,并利用图流动注意力来控制描述的侧重点;最后,在生成语句时加入用户风格控制模块,即利用关键词搜索生成包含性别、年龄、受教育程度等信息的用户画像,并结合该画像来控制风格生成器,提取对应的风格样式,最终生成体现用户意图和风格的个性化图像描述。在MSCOCO和FlickrStyle数据集上的实验结果表明,所提出的方法能较好地生成个性化和多样性图像描述语句。     

基于改进K-均值聚类算法的汽车用户行为分析方法研究

汽车用户的驾驶行为和操作习惯等决定着驾驶是否存在风险，对于道路交通安全具有重要的意义，针对这种情况，提出一种用于预测汽车用户驾驶行为风险等级的模型。该模型为了提高模型的分类效率，在自组织映射神经网络算法中采用遗忘第二名的策略，然后结合自组织映射神经网络改进K-均值聚类分析方法，实现对于车辆驾驶人员的风险行为等级进行划分，通过聚类分析得到风险标签后，利用XGBoost算法实现对于用户风险行为的辨识。实验结果表明，改进算法的聚类精确度和运行效率都得到了提高，预测准确率为98%,召回率为98%,F1值98%,kappa系数高达0.97,远远超过其他集成辨识模型，表明本文模型在汽车用户行为的分辨准确率上得到有效提高。     

基于改进HMM的驾驶疲劳险态识别方法

驾驶疲劳的产生是渐进的动态生成过程,基于隐马尔可夫模型(hidden Markov model,HMM)的相关研究需首先确定模型训练初值,且训练过程易陷入局部最优.基于此,通过在HMM训练过程中引入粒子群优化(particle swarm optimization,PSO)算法对训练过程存在的上述问题进行了改进,并结合驾驶疲劳状态典型数据集对所提出的改进方法和前向后向算法(forward-backward(BW)algorithm)进行了详细对比.实验及分析测试结果表明,所提出的改进方法在驾驶疲劳预测结果准确性和稳定性上都优于BW算法.     

基于个性化的多样性优化推荐算法

针对不同人对多样性的偏好不同,提出一种能够在寻优精度和多样性之间权衡的个性化的多样性优化方法.该方法采用一种依据用户历史偏好和项目类别专家评分的推荐技术,生成包含新颖项目和关联项目的多样化的候选推荐列表,然后依据用户多样化偏好程度进行后过滤技术,筛选出最终的多样化推荐列表.最后,本文通过实验结果对比发现,所提出的方法能够有效地提高推荐列表的多样性,而且能够实现个性化的多样化过程.     

一种改进KNN个性化邮件过滤的方法

针对个性化邮件过滤中接收的邮件没有规律、正常邮件和垃圾邮件存在严重类偏移等问题,提出一种改进的k最近邻(k-nearest neighbor algorithm,KNN)个性化邮件过滤方法.该方法主要是通过建立兴趣度模型(对兴趣度计算的改进,剔除用户习惯对建立兴趣度模型带来的影响)不断改变训练集,使得训练集中的文本始终...     

基于社交网络的个性化旅游景点推荐方法

个性化旅游景点推荐是推荐系统的一个重要应用,已被广泛的关注.现有的景点推荐方法聚集在给用户的偏好建模,大都忽略了用户与用户之间的关系以及用户与景点之间的关系.本文提出一种基于社交网络的个性化景点推荐方法,该方法首先使用k-means和DBSCAN算法分别对用户和景点进行聚类;然后将聚类后的用户与景点进行融合,构建个性化旅游景点推荐模型.为了验证本文提出方法的性能,进行了广泛的实验,实验结果显示本文提出的方法在召回率、准确率和平均绝对误差值都明显高于传统推荐方法.     

基于BP神经网络的纵向避撞安全辅助算法

针对复杂人-车-路交通环境下汽车前向防碰撞预警系统(FCWS)在实际工程应用中存在虚警漏警、可接受性差等问题,为提高FCWS对驾驶群体行为差异的适应性,提出了驾驶员行为特性自适应学习的纵向避撞安全辅助算法,建立了基于BP神经网络的闭环驾驶跟驰习惯模型。该网络模型以跟车车距、前车减速度、前车速度、自车速度、环境亮度、路面附着系数、紧急制动次数、本次驾驶时间为输入,采用动量梯度下降自适应学习率方法对网络模型进行训练,进而预测出自车待制动减速度。引入聚类算法思想,对训练样本集进行特征聚类,进一步改善了BP网络的预测性能,设计了激进、谨慎、新手3类典型驾驶群体,通过制动深度、期望碰撞时间倒数、应急反应时间来表征驾驶群体性特征,在稳态跟车过程中对不同驾驶群体的行为特性进行学习,建立起非线性输入输出映射关系知识库,进而预测出相应群体的待制动行为,实现差异化预警,可有效降低虚警或预警不及时现象。仿真结果表明,改进后的BP网络减小了训练过程中陷入局部极小的可能性,提高了网络收敛速度以及预测精度,激进群体与新手群体待制动曲线下降的趋势相对更陡,激进群体跟车距离相对偏近,新手群体采取制动措施时所需相对车距相对偏远,以补偿较长的反应距离,从而验证了该理论模型对不同驾驶群体的适应性。     

基于机器视觉的车辆自动驾驶模糊控制设计

针对车辆动力学控制系统所具有的强非线性特点提出了基于机器视觉的车辆自动驾驶模糊控制方案.采用Michael等人提出的车辆系统动力学模型,通过模糊控制规则的量化划分对车辆在道路上的运动进行了仿真.仿真的结果 显示,本方案可以很好地解决空旷道路上的车辆自动驾驶问题,并且该控制方法 可以保证车辆快速准确地在道路上安全高速行驶,具有很好的鲁棒性.     

基于SegNet的非结构道路可行驶区域语义分割

为了增强自动驾驶车辆对非结构化道路中可行驶区域的场景理解能力,基于SegNet深度学习网络结构,提出了一种针对非结构道路的可行驶区域语义分割方法。在传统的卷积神经网络基础上,构建编码-解码深度卷积神经网络,用于自动习得图片中非结构化道路的特征,通过在数据集上进行训练和学习,得到图像语义分割模型,可直接用该模型预测非结构道路中的可行驶区域,实现自动驾驶车辆在非结构道路中行驶时的环境感知。实验结果表明,研究方法分割效果和精确度提升明显,Dice相似度和Jaccard相似系数均可达80%以上。     

浅析驾驶适宜性检测对驾驶培训的重要性

事故统计分析表明,新驾驶员为事故多发群,由此可见我国的驾驶培训工作存在一定缺陷。通过对驾驶培训内容分析,发现驾驶员对驾驶工作还存在适宜性问题。驾驶适宜性检测项目对安全行车非常必要,对提高培训质量和驾驶员队伍素质极其重要。     

面向“卓越工程师”培养的《井巷工程》课程改革与实践

为了探索"卓越工程师教育培养计划"框架下的人才培养新模式,本文以采矿工程专业核心课程《井巷工程》教学改革为平台,提出了以培养和提高学生实践能力和创新能力为目标的教学新模式。并以《井巷工程》课程的教学现状和"卓越计划"基本要求的分析入手,提出了案例教学、以工程项目为载体、"破""支""管"模块化教学内容整合、教学环节优化及考核评价环节改革等举措。     

具有优先级的深度确定性策略梯度算法在自动驾驶中的应用

深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在自动驾驶领域中应用广泛,但DDPG算法因采用均匀采样而导致低效率策略比例较高、训练效率低、收敛速度慢等.提出了基于优先级的深度确定性策略梯度(priority-based DDPD,P-DDPG)算法,通过优先级采样代替均匀采样来提升采样利用率、改善探索策略和提高神经网络训练效率,并且提出新的奖励函数作为评价标准.最后,在开源赛车模拟(The Open Racing Car Simulator,TORCS)平台上对P-DDPG算法的性能进行了测试,结果表明相对于DDPG算法,P-DDPG算法的累积奖励在25回合之后就有明显提升而DDPG在100回合之后训练效果才逐渐显现,提升约4倍.P-DDPG算法不仅训练效率提升且收敛速度加快.     

基于创新人才培养模式的换热过程综合实验平台设计

为适应新世纪工程技术人员创新人才培养方案,针对传统化工基础实验存在的突出问题,提出了具有开放性、灵活性、多元性功能的换热过程综合实验平台设计方案,同时探讨了与平台相符合的任务驱动式教学模式与教学方法。平台与教学模式的建立,将会提高实验课教学质量,提升学生综合素质和实践能力。     

关于提高所级ARP 系统中信息服务与管理平台应用效率的几点思考

通过十年的积累,ARP 系统内形成了丰富而全面的数据以及知识资源。全面开发利用系统内信息和知识资源是ARP 系统一直以来的核心。对于所级ARP 系统,信息服务与管理平台应用效率直接关系着所级ARP 系统在研究所应用推广的效果。本文通过分析信息服务与管理平台的功能,结合作者在一线ARP 系统应用中的经验,对提高信息服务与管理平台应用效率进行了思考,提出了四点建议：提高ARP 系统数据质量;调动用户主动反馈建议,优化平台功能,增强用户友好应用体验;针对ARP 关键用户进行平台应用的系列强度培训;针对所级高端用户,推广决策支持应用。     

基于逆强化学习的电动汽车出行规划方法研究

随着电动汽车的普及,对电动汽车出行规划问题的研究显得尤为重要。有别于路径规划,出行规划既需要考虑路径问题又需要考虑充电问题。本文提出了一种基于逆强化学习(Inverse Reinforcement Learning, IRL)的电动汽车出行规划(Electric Vehicle Travel Planning, EVTP)方法,有效地为电动汽车用户规划一条兼顾行驶路径短以及充电时间短的可达路径。将Dijkstra算法进行改进得到考虑充电行为的最短路径作为专家示例输入到逆强化学习算法中;利用逆强化学习算法得到兼顾行走与充电的奖励;在学习策略上,采用Dueling DQN算法高效更新Q值,提升学习性能;采用部分充电策略以及分段充电策略,提升充电效率并使研究更接近真实情况。通过对模型的工作性能和结果进行详细分析,并结合基准方法进行对比,结果表明,基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有较好的性能,且具备很好的迁移性。     

面向稀疏数据场景的生成对抗网络推荐算法

基于生成对抗网络的协同过滤算法(CFGAN)是生成对抗网络在个性化推荐领域上的重大突破,但CFGAN存在缺乏对用户可能交互物品的关注以及面对稀疏数据场景特征提取能力较弱的问题。另外,结合负采样技术提出的优化CFGAN方案存在无法结合用户属性抽取负样本的缺陷。为此,本文提出一种改进的CFGAN模型,通过引入增强的置换注意力机制强化面向稀疏数据集的特征聚焦能力,同时考虑用户可能交互物品对推荐结果的影响;此外,采用协同用户社交网络从用户反馈中提取的语义好友特征嵌入CFGAN,以实现负样本的个性化抽取,进一步提升模型面向稀疏数据场景的推荐效果。     

基于个性化隐私保护的协同过滤算法

差分隐私可以有效解决推荐系统的隐私泄露问题,但是其引入的噪声会降低推荐系统的性能.此外,不同用户对隐私保护的敏感性是不同的,考虑用户的个性化需求可以减少加入的噪声,有助于提高推荐系统性能.综合以上两个维度,在考虑用户评分敏感性的基础上,提出了一种个性化的差分隐私保护协同过滤算法.算法在用户本地划分评分的隐私敏感度,并采用随机翻转机制对隐私敏感评分进行隐私保护.服务器获取扰动后的数据,利用贝叶斯估计方法重构项目之间的联合分布以提高算法的推荐准确性.理论和实验结果表明,算法在保护用户隐私安全的同时具有良好的推荐性能.     

考虑人机作用力的康复训练机器人各运动轴最优轨迹跟踪预测控制

针对人机作用力影响康复训练机器人的跟踪性能问题,提出了一种新颖的观测器设计方法,目的是利用系统的位置输出估计人机作用力.同时,为了抑制人机作用力并避免运动中产生较大的跟踪误差而影响康复者安全,设计了非线性控制器,并得到了机器人各运动轴系统模型.进一步,结合预测控制同时约束了系统轨迹跟踪误差和速度跟踪误差,并实现了各运动轴的最优轨迹跟踪.通过仿真结果对比分析和实验研究,表明文中提出人机作用力观测和控制器设计方法的有效性和优越性.