深度神经网络的关键技术及其在自动驾驶领域的应用

智能化是汽车的三大变革技术之一,深度学习具有拟合能力优、表征能力强和适用范围广的特点,是进一步提升汽车智能性的重要途径。该文系统性总结了用于自动驾驶汽车的深度神经网络(DNN)技术,包括发展历史、主流算法以及感知、决策与控制技术应用。回顾了神经网络的历史及现状,总结DNN的"神经元-层-网络"3级结构,重点介绍卷积网络和循环网络的特点以及代表性模型;阐述了以反向传播(BP)为核心的深度网络训练算法,列举用于深度学习的常用数据集与开源框架,概括了网络计算平台和模型优化设计技术;讨论DNN在自动驾驶汽车的环境感知、自主决策和运动控制3大方向的应用现状及其优缺点,具体包括物体检测和语义分割、分层式和端到端决策、汽车纵横向运动控制等;针对用于自动驾驶汽车的DNN技术,指明了不同问题的适用方法以及关键问题的未来发展方向。

浅谈当前企业职工教育

改革开放使人们进一步认识到,社会主义的根本任务是发展生产力,而人是生产力中最积极,最重要的因素。企业职工教育就是为了充分发挥和完善企业生产中人的因素。它不仅要为企业发展现实的生产力作贡献,而且要为提高工人阶级的科学文化素质,完善人的全面发展的远大目标服务。当前。

变控制流供应角度涡流阀固体变推力火箭发动机调节方案

针对涡流阀变推力发动机变控制流供应角度方案,开展了发动机工作特性的数值模拟及实验研究。数值研究结果表明:采用变控制流供应角度可以很好地实现涡流阀变推力发动机的推力调节;涡流阀最大推力调节比超出加质发动机调节比26%;调节比随着控制流供应角度的减小而增大。实验结果表明:变控制流供应角度方案可行,验证了"气-气"调节的优越性。变控制流供应角度涡流阀固体变推力发动机为实现固体发动机推力调节提供了一种技术途径。