综合施策 整治涉牌涉证交通违法行为

涉牌涉证交通违法行为是指无牌无证驾驶,伪造、变造机动车号牌、行驶证、驾驶证和上道路行驶的机动车未悬挂机动车号牌,或者故意遮挡、污损、不按规定安装机动车号牌等与车牌、证件有关的行为。笔者结合实际工作,浅析涉牌涉证交通违法行为发生的原因、造成的危害和治理的措施。     

一种关联多本体的科技奖励检索方法

现有的科技奖励检索都是基于关键词的匹配,忽略了对用户查询的语义理解。针对传统信息检索存在的问题以及结合当前面向实际应用的基于本体的语义检索的特点,提出一种关联多本体的科技奖励检索方法。通过对科技奖励项目的领域本体构建,对概念相似度计算方法的改进及关联多本体概念,使扩展词语更能表达用户检索意图。实验结果表明,该方法对比传统查询检索和单独本体扩展检索获得了更好的召回率和准确率。     

湛江：9艘“英雄渔船”获国家奖励

目前,2010年度“中国海上搜救奖励金”湛江分中心发放仪式在湛江海事局举行。广东省海上搜救中心办公室主任周练明、湛江海上搜救分中心副主任、湛江海事局副局长陈永忠以及省、市海洋与渔业局安委办、渔政总队的有关领导出席了仪式,并为9艘参与海上互救湛江籍“英雄渔船”颁发海上搜救奖励金。     

基于深度强化学习与风险矫正的智能车辆决策研究

为实现高速公路环境下车辆的安全决策，提出一种结合深度强化学习和风险矫正方法的行为决策模型。构建决策模型所需的目标车辆及周围车辆的行驶信息，并引入自注意力安全机制，提高车辆在复杂高速场景下对周围潜在危险车辆的注意力，综合考虑行车效率、避障等因素以设计强化学习的奖励函数。此外，为解决强化学习在决策过程中缺乏安全性保障的问题，设计风险矫正模块对决策动作进行风险评估和矫正，避免危险决策的执行。在Highway-env仿真平台上对提出的决策模型进行训练和测试。试验结果表明，提出的决策模型有较高的行车安全率和鲁棒性，其驾驶效率也优于以规则、模仿学习和单纯深度强化学习为基础的决策方法。     

基于深度强化学习的机器人导航算法研究

移动机器人穿越动态密集人群时，由于对环境信息理解不充分，导致机器人导航效率低且泛化能力弱。针对这一问题，提出了一种双重注意深度强化学习算法。首先，对稀疏的奖励函数进行优化，引入距离惩罚项和舒适性距离，保证机器人趋近目标的同时兼顾导航的安全性；其次，设计了一种基于双重注意力的状态价值网络处理环境信息，保证机器人导航系统兼具环境理解能力与实时决策能力；最后，在仿真环境中对算法进行验证。实验结果表明，提出的算法不仅提高了机器人导航效率还提升了导航系统的鲁棒性，主要表现为：在500个随机的测试场景中，碰撞次数和超时次数均为0，导航成功率优于对比算法，且平均导航时间比最好的算法缩短了2%；当环境中行人数量、导航距离发生变化时算法依然有效，且导航时间短于对比算法。     

涉及认证的举报、投诉是否属奖励范围

近年来,涉及认证类案件(特别是强制性产品认证)的职业举报、投诉日渐增多,直接原因是职业举报投诉人把拿奖励作为谋利手段,部分新出台的奖励办法又规定得较为“优厚”,如2019年7月施行的《广东省举报侵犯知识产权和制售假冒伪劣商品违法行为奖励办法》就规定只要举报违法行为经查属实或部分属实.