以工业结构为核心强化产业竞争力——EU《船舶领袖2015规划》解读(完结篇)

一部内容丰富的《船舶领袖2015规划》经过专家五个篇章的解读,为读者大致勾勒出了欧盟谋求船舶制造业复兴的宏伟蓝图,我们希望对国内造船业有所启发和帮助。同时,欢迎国内业界专家、学者、政府官员、企业领导针对欧盟造船业复兴计划和中国造船业的发展发表观点。     

学习司马迁精神提高档案工作者自身素质

司马迁是汉代著名的史学家、文学家，也是一位杰出的档案工作者。他为了继承父志和时代赋予自己的神圣责任，在遭受宫刑奇辱和牢狱之灾的情况下，仍然以顽强毅力和坚定的信念，耗尽毕生心血．最终完成了被誉为“史家之绝唱，无韵之离骚”的不朽巨著——《史记》。在为我们留下宝贵文化遗产的同时，也为后人留下了一种精神。     

称重台计算机数据采集系统软件的升级及功能强化与完善

青年基金项目《称重台计算机数据采集系统软件的升级及功能强化与完善》如期完成，本文将原有软件的部分不足和新软件的改进以及增加的功能作一个比较。     

强化品牌形象,黄海引领公交客车新潮流

丹东黄海汽车有限责任公司此次携5款新品,参加2006世界客车博览亚洲展览会。展品有刚从德国M A N引进的2辆世界顶级公交车DD6188MBRT客车和DD6128M低地板城市客车;有黄海在国内率行推出的多功能(MPB)客车的第二代产品DD6119K60;有在刚刚结束的“2006年北京城市车辆春季展示会”     

统筹规划 强化服务 以科学发展观落实交通部的指示精神--访交通部珠江航务管理局副局长张文爽

4月13日交通部珠江航务管理局召开全体干部职工会议深入学习了徐祖远副部长在武汉传达的交通部机关司局级干部会议精神,为此,记者就此专访了珠航局副局长张文爽.     

试论历史教学中的"人本主义"

人本主义，并不是一个崭新的概念，打开历史的画轴，因大力倡导人本主义从而极大地推动人类历史进步的史实至少有两次：一是中国春秋战国时期的百家争鸣；二是西欧诸国的文艺复兴。当前，面对环境的日益恶化，资源的相对枯竭和恐怖主义的不断蔓延，我们再次奏响了人本主义的乐曲。随着时代的进一步深入，传统的教学模式，已不适应新课程改革、素质教育的要求。作为教育实施者的教师，必须树立新的教育理念，树立“人本主义”观念，努力为学生营造开放、多元的支持性合作学习环境，给学生搭建一个充分发展个性、展示自己能力的平台，把学习的自主权交给学生，使学生能够真正成为教育教学的丰体。     

探究式学习在动画设计软件教学中的尝试

在动画设计课堂中开展探究式学习,让学生通过开放性的学习过程学会发现问题、分析问题、解决问题。本文运用当前相关的研究成果以及学校的教学实践,研究和探讨探究式学习在动画设计软件教学中的尝试     

替代缩缸强化趋势的节油高效柴油机

AVL公司与Renault公司合作开发了所谓的“高效柴油机”,以替代众所周知的缩缸强化柴油机。这种新理念由于具有适度的功率密度,降低缸内最高燃烧压力,有时甚至比增压汽油机的最高燃烧压力还低。因此,与常规的和缩缸强化的柴油机相比,可明显降低机械摩擦和燃油耗。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。