基于强化学习经验优先提取的汽车纵向多态控制

文章提出一种引入经验优先提取(prioritized experience extraction,PEE)规则的深度Q网络(deep Q network,DQN)算法,用于解决汽车纵向行驶时的多态控制问题。首先,建立车辆纵向力矩传递模型和强化学习算法模型,在进行算法移植以及制定奖励函数时综合考虑车速、距离等相关因素的综合限制;然后,通过仿真与硬件在环实验验证强化学习算法在汽车纵向多态控制方面的有效性;最后,引入PEE规则提高常规DQN算法的计算效率,解决算法区域性过拟合问题。PEE规则的引入有助于平滑主车的跟随车速,与相对距离相配合提升了行驶时的舒适性与安全性。

教学赋权视角下研讨式课堂提升学生参与度问题研究

本科课堂教学目标是培养有独立思考能力的创新型人才。研讨式教学有利于提升学生独立思考能力,促进师生共同探索,教学相长。然而,该模式在实施过程中,由于学生的参与程度不高,研讨式教学模式的优势难以充分发挥。笔者对教师及参与此次教学改革的学生进行了调查,旨在探讨研讨式教学实践中学生参与度不高的问题,并提出应对策略,为教学创新提出新思路。