全文获取类型
收费全文 | 407篇 |
免费 | 5篇 |
专业分类
公路运输 | 164篇 |
综合类 | 152篇 |
水路运输 | 62篇 |
铁路运输 | 18篇 |
综合运输 | 16篇 |
出版年
2024年 | 4篇 |
2023年 | 11篇 |
2022年 | 2篇 |
2021年 | 5篇 |
2020年 | 14篇 |
2019年 | 5篇 |
2018年 | 7篇 |
2017年 | 2篇 |
2016年 | 10篇 |
2015年 | 12篇 |
2014年 | 17篇 |
2013年 | 32篇 |
2012年 | 24篇 |
2011年 | 26篇 |
2010年 | 26篇 |
2009年 | 29篇 |
2008年 | 30篇 |
2007年 | 25篇 |
2006年 | 24篇 |
2005年 | 15篇 |
2004年 | 10篇 |
2003年 | 12篇 |
2002年 | 9篇 |
2001年 | 4篇 |
2000年 | 6篇 |
1999年 | 9篇 |
1998年 | 8篇 |
1997年 | 5篇 |
1996年 | 7篇 |
1995年 | 8篇 |
1994年 | 5篇 |
1993年 | 3篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有412条查询结果,搜索用时 0 毫秒
411.
作为高级别自动驾驶的下一代技术方向,类脑学习以深度神经网络为策略载体,以强化学习为训练手段,通过与环境的交互探索实现策略的自我进化,最终获得从环境状态到执行动作的最优映射。目前,类脑学习方法主要用于自动驾驶的决策与控制功能设计,它的关键技术包括:界定策略设计的系统框架、支持交互训练的仿真平台、决定策略输入的状态表征、定义策略目标的评价指标以及驱动策略更新的训练算法。本文重点梳理了自动驾驶决策控制的发展脉络,包括两类模块化架构(分层式和集成式)和3种技术方案(专家规则型、监督学习型和类脑学习型);概述了当前主流的自动驾驶仿真平台;分析了类脑决控的3类环境状态表征方法(目标式、特征式和组合式);同时介绍了自动驾驶汽车的五维度性能评价指标(安全性、合规性、舒适性、通畅性与经济性);然后详述了用于车云协同训练的典型强化学习算法及其应用现状;最后总结了类脑自动驾驶技术的问题挑战与发展趋势。 相似文献
412.