点击切换搜索课件文库搜索结果(6169)
文档格式:PDF 文档大小:856.61KB 文档页数:11
基于人机动态协同控制的车道保持辅助系统有助于兼顾汽车的安全性与驾驶员的舒适性,分析了该系统在车道偏离决策模型、驾驶权动态分配及性能评估等方面的研究现状和发展趋势。在车道偏离决策模型方面,应根据驾驶员的状态制定不同的决策模型,既可以建立自适应调节的决策模型,又应允许驾驶员根据自己的喜好和外部驾驶环境手动调整决策模型中预设的参数;在驾驶权分配方面,应探索更加合理的驾驶权动态分配方式,设计智能的优化算法或控制模型;在性能评估指标方面,应加入与降低人机冲突及减少驾驶员控制量相关的评估指标,制定科学完善的主观评估体系。未来研究应该深度融合驾驶员因素,实时发出警报与主动干预,并能够对系统进行完善的测试与评估
文档格式:PPT 文档大小:130KB 文档页数:5
一.抽样调查的概念 抽样调查是建立在随机原则基础上,从总体中抽取部分单位进行调 查,并概率估计原理,应用所的资料对总体的数量特征进行推断的一种 调查方法。例如,从某地区全部职工当中随机抽取部分职工,以家庭为 单位按月调查取得有关收入、支出等方面的资料,并依据这些资料推断 出全区职工的收支情况,这就是一种抽样调查
文档格式:PDF 文档大小:200.5KB 文档页数:22
本次课程主要内容 1.课程介绍 2.社会研究方法——方法论 3.研究方法 4.统计分析方法 5.调查研究的应用领域 6.数据处理 7.课程安排 8.参考资料
文档格式:DOC 文档大小:26.5KB 文档页数:3
借款合同 合同编号: 贷款方: 借款方: 保证方:
文档格式:PPT 文档大小:169KB 文档页数:7
第四节DMA方式及接口 5.4.1DMA方式基本概念 定义、过程(三个阶段)、应用,见3.5.2 5.4.2DMA控制器与接口的连接
文档格式:PDF 文档大小:151.36KB 文档页数:7
量子力学中的波函数是直接与几率密度相关的量,与波函数 相关的分布密度函数具有关系式 波函数(x,t)也被称为几率幅度因此人们很自然地想到可以利 用蒙特卡洛方法来求解量子力学问题
文档格式:PDF 文档大小:1.82MB 文档页数:28
上一章讨论了如何使用COM+添加应用程序和组件的事务处理能力。本章研究另一种增 加应用程序可扩展性的方法 迄今为止,我们假设一个服务器是一个始终有效的完美世界,但是如果没有这个前提, 整个的系统会崩溃吗?显然不会。不过有必要采用一个异步通信系统,通常称为消息或者消 息队列。 在消息方案中,应用程序不再是执行一般的方法调用和等待一个响应,取而代之的是, 调用者简单地发一个“消息”给服务器,然后按正常程序进行处理,因此消息不仅允许客户 处理其他工作,而且由于利用了 Microsoft消息队列(MSMQ),服务器甚至可以是不可用的, 因为消息可以被排队并在以后处理
文档格式:PPT 文档大小:270KB 文档页数:15
1.瑞士考穆坡盖斯(KOMPOGAS)公司的厌氧发酵工艺 越来越多的关心生态平衡的机构选择了分类处理垃圾的方法, 因为在市政垃圾中三分之一以上的成分是有机物和可以循环利用 的物质,分类收集的有机废物,特别是湿的和易降解的部分,以 生态和经济方面合理的方式循环利用。有机物中的能量用来产生 热能和电力
文档格式:PPT 文档大小:3.91MB 文档页数:13
该章主要介绍 Windows NT网络的内容。包括 Windows NT网络的功能及特点、 Windows NT的安装 、配置、管理方法,NT域的概念及配置、NT网络资源 管理工具的应用、NT网络的连接与设置等等。目的是希 望学生能够掌握 Windows NT网络操作系统的安装、配 置、管理、维护方法。 重点难点: 操作系统与协议的关系;NT网络的功能及特点; NT的安装、配置方法;NT网络的管理特点与方法;域 的概念及配置;NT网络资源管理工具的应用;NT网络 的连接与设置
文档格式:PDF 文档大小:1.43MB 文档页数:9
高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关,由于儿童睡眠障碍的早期症状不明显,需要进行长期监测,因此急需找到一种适用于儿童睡眠监测,且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography,PSG)是临床指南推荐的睡眠障碍基本检测方法,通过观察PSG各睡眠期间的变化和规律,对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究,利用多导睡眠图记录的单通道脑电信号,在Alexnet的基础上,用一维卷积代替二维卷积,提出一种1D-CNN结构,由5个卷积层、3个池化层和3个全连接层组成,并在1D-CNN中添加了批量归一化层(Batch normalization layer),保持卷积核的大小保持不变。针对数据集少的情况,采用了重叠的方法对数据集进行了扩充。实验结果表明,该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵,可以看出,Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠,存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况,因此以后的工作应重点提升N1期睡眠的准确性。总体而言,对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期,本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中,仍需要研究开发更适合于儿童的睡眠分期策略,在更大数据量的基础上进行实验
首页上页253254255256257258259260下页末页
热门关键字
搜索一下,找到相关课件或文库资源 6169 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有