基于改进CapsNet的交通标志分类模型

为了解决传统标量卷积网络识别交通标志时容易丢失位置、姿态信息的问题,提出一种基于改进Caps Net的交通标志分类模型。Caps Net由胶囊(capsule)组成,通过动态路由算法对目标实体的特性(颜色、位置、姿态)进行表达和传递,充分保留了图像的空间特征。分析了交通标志特征,并基于德国交通标志数据集GTSRB,与传统卷积神经网络(CNN)识别效果进行了对比。实验表明,基于改进Caps Net的交通标志分类模型识别率高达98.73%且收敛速度更快。

基于深度强化学习算法的车辆行为决策研究

针对传统的DDPG算法训练时间长和收敛速度慢的问题,提出一种将引导式学习和优选经验回放机制相结合融入DDPG的算法。改进的DDPG算法在训练初期的动作输出为引导式学习和策略网络共同作用的结果,后期引导式学习不再参与控制。同时引入经验池分离技术,将优势经验样本和劣势经验样本分开存储和固定比例随机抽取。在TORCS平台上进行车辆决策测试,结果表明,改进后的DDPG离,提高算法效率。

大学生就业能力提升工作研究

在当今社会就业形势的大背景下，高校毕业生的就业问题一直较为突出。高校毕业生作为最大的新增就业群体，探究如何提高他们的就业能力对大学生自身发展和推动我国市场经济发展具有十分重大的意义。

基于激光监听器的市场推广可行性研究

激光监听器通过对城市监控信息系统的建设,从根本上促进社会治安形势的稳定好转。从现在整体的市场来看,平安城市的建设、交通设施监控、金融电信监控等,都是监控器的巨大市场。