【摘 要】
：
飞行器的自主智能避障一直是无人机领域的研究热点。相对于平面运动物体来说,飞行器的空间信息,以及对于避障的态势动作的控制更加复杂。由于飞行器在三维空间的动作的选择都是在一个连续动作空间内,所以本文提出将深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的强化学习方法应用在飞行器自主智能避障场景,并通过可视化仿真模拟算法效果。实验结果表明该方法能够很好地解决连续动作空间的动作选择问题,使得飞行器在障碍环境中探索出完整的避障路径,达到较好的应用效果。
论文部分内容阅读
飞行器的自主智能避障一直是无人机领域的研究热点。相对于平面运动物体来说,飞行器的空间信息,以及对于避障的态势动作的控制更加复杂。由于飞行器在三维空间的动作的选择都是在一个连续动作空间内,所以本文提出将深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的强化学习方法应用在飞行器自主智能避障场景,并通过可视化仿真模拟算法效果。实验结果表明该方法能够很好地解决连续动作空间的动作选择问题,使得飞行器在障碍环境中探索出完整的避障路径,达到较好的应用效果。
其他文献
图像分割在实际生活中具有非常重要的实用价值和研究意义。基于水平集的主动轮廓模型由于其光滑连续的演化结果,并且演化过程可以实现拓扑结构的改变,受到广泛的关注,本文提出一种新的图像分割模型,主要运用于背景不均匀的目标图像的分割场景,较比于传统的演化模型具有更加精确的结果和更好的鲁棒性。
顺序前兆模型(Sequential Precursor Model)是一种分析航空事故的方法。不同于通常以事故发生原因为目的的分析方法,该模型旨在寻找同一类事故的共同特点。使用该方法分析20起LOC事故,对得出的数据进行分析,且基于分析结果提出一些预防飞机进入复杂状态和失控的研究思路。
随着第五代移动通信技术的面世,移动应用发展更加迅猛,在一个越来越多的用户使用移动设备来管理他们的日常生活的时代,软件的可用性显得尤为重要。可用性测试是应用程序设计过程中必不可少的一个环节,它是一个通过系统地收集可用性数据,对数据进行评估和改进的过程。开发人员通过测试和改进现有的界面来提高可用性,以期获得更高的用户满意度。根据评价指标的和测试方法的不同,会对结果造成不同的影响。本文将对当前移动应用的
我国拥有大量的肝脏病变患者且发病率正呈现逐年上升的趋势,而临床诊断中医生需要手动勾画病理图像中的肝脏轮廓来辅助制定手术方案,这极大的加重了医生的负担以及病人的等待时间,因此实现对肝脏器官的自动勾画在临床诊疗中具有重要意义。本文在编码器-解码器结构的基础上,将注意力机制与带有空洞卷积的空间金字塔结构相结合,提出一种多尺度融合的肝脏器官分割模型,并在2784张腹部器官CT图像中进行实验,获得96.32
为了提高民航机场对旅客的身份识别的识别能力,进行动态宽场景的特殊环境下对旅客身份特征识别技术优化,提出基于人脸识别与人体识别相结合的多模态识别方法,通过融合人脸识别与人体识别技术,实现旅客多模态综合识别,以此提升在动态宽场景环境下对旅客的综合识别能力,增强旅客识别的时空连续性。
随着大数据时代的发展,利用数据分析和发布等发挥数据价值的需求与日俱增,如何保护隐私数据和防止敏感数据信息的泄露成为数据安全领域研究的重点。差分隐私是2006年Dwork提出的一种新的隐私保护机制,在数据分享时定义隐私,保证数据可用性的数据发布面临的隐私保护问题,防止基于背景知识的攻击。本文介绍差分隐私的基础理论和目前数据发布的研究进展,总结差分隐私在其他领域的应用。
随着生成对抗网络在图像生成领域的发展,人脸表情图像生成效果有了显著提升。然而,目前方法往往基于传统表情分类,忽略表情的复杂多样性。然而针对生成多样表情的数据库数据规模较小。为了解决这一问题,提出引入标记分布的人脸表情生成方法。方法在数据量较少的情况下,以标签分布对表情标签进行处理,基于生成对抗网络实现人脸表情图像生成,并在Oulu-CASIA数据库和CFEED数据库上对该方法进行验证。
在Web应用中,对输入数据进行验证在人机交互设计中非常重要。输入验证不仅保护了系统免受各种网络攻击,在一定程度上也提高了用户体验。近些年有许多以输入验证为切入点做了有关系统安全、软件自动化测试等方面的相关研究,为此进行整理和归纳,并对未来可能的研究方向进行设想。
科技创新与司法结合,能够充分彰显科技赋能司法的效率价值,助力提升批量案件审理的速度。广州互联网法院通过运用知识图谱及其他人工智能处理技术,设计完成一套知识产权要素化智能审理系统,建立知识产权案件由立案、受理、举证、文书送达到法官审理和判决文书一键生成的新型智能协同审判模式,对知识产权类案件实现繁简分流、优化法院审判资源配置、破解法院人案矛盾、提升诉讼质量和办案效率具有重要实践意义。
非负矩阵分解(NMF)方法在计算机视觉、模式识别、数据表示或聚类问题中有着重要作用。基于传统NMF算法提出了一种带有L_2稀疏约束和超图正则的非负矩阵分解(SHGNMF)方法。其优势在于考虑了数据集的内在几何信息和稀疏性。具体内容如下:首先,在NMF中加入了超图正则项,同时保持数据集的内在几何结构信息。其次,将L_2稀疏约束项引入NMF中,产生更加稀疏精确的解,并证明该算法是收敛的。最后,在公开数