全文获取类型
收费全文 | 201篇 |
免费 | 7篇 |
国内免费 | 13篇 |
专业分类
系统科学 | 24篇 |
丛书文集 | 4篇 |
教育与普及 | 3篇 |
理论与方法论 | 5篇 |
现状及发展 | 4篇 |
综合类 | 181篇 |
出版年
2024年 | 4篇 |
2023年 | 3篇 |
2022年 | 6篇 |
2021年 | 13篇 |
2020年 | 10篇 |
2019年 | 4篇 |
2018年 | 3篇 |
2017年 | 10篇 |
2016年 | 6篇 |
2015年 | 2篇 |
2014年 | 16篇 |
2013年 | 8篇 |
2012年 | 11篇 |
2011年 | 10篇 |
2010年 | 12篇 |
2009年 | 12篇 |
2008年 | 11篇 |
2007年 | 10篇 |
2006年 | 14篇 |
2005年 | 11篇 |
2004年 | 12篇 |
2003年 | 13篇 |
2002年 | 6篇 |
2001年 | 5篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1997年 | 3篇 |
1994年 | 2篇 |
1991年 | 1篇 |
排序方式: 共有221条查询结果,搜索用时 31 毫秒
221.
基于Attention机制的CNN-LSTM驾驶人意图识别方法研究 《山东科学》2023,36(2):103-111
在自动驾驶系统中,系统需要准确识别驾驶人的意图,来帮助驾驶人在复杂的交通场景中安全驾驶。针对目前驾驶人意图识别准确率低,没有考虑优化特征对模型准确率影响的问题,运用深度学习知识,提出了一种基于时间序列模型的驾驶人意图识别方法。该方法基于Attention机制融合了卷积神经网络(convolutional neural networks, CNN)和长短时记忆网络(long short-term memory network,LSTM),引入车辆自身信息和环境信息作为时空输入来捕捉周围车辆的空间交互和时间演化。该方法可同时预测目标车辆驾驶人横向驾驶意图和纵向驾驶意图,并在实际道路数据集NGSIM(next generation simulation)上进行了训练和验证。实验结果表明,所提出的CNN-LSTM-Attention模型能够准确预测高速公路环境下驾驶人的驾驶意图,与LSTM模型和CNN-LSTM模型相比具有明显的优势,为自动驾驶系统的安全运行提供了有效保障。 相似文献