排序方式： 共有8条查询结果，搜索用时 15 毫秒
1
1.
2.
随着主动响应式交互向车内引入,汽车可以预测用户意图并主动发起功能,从而
减少分心、增加灵性,提升驾驶安全性与车内用户体验。在汽车主动响应式交互的设计中,机
制层面的用户意图预测模型的准确度成为影响主动响应式交互体验好坏的关键。但是对于如何
提高用户预测模型的预测准确度还缺乏行之有效的手段,目前预测模型的结果不是十分准确,
相关研究还比较少。智能交互是提升机器人性能的有效手段,将其引入到主动响应式交互的设
计中,能通过其获取提升用户意图模型预测准确性所需的信息,帮助突破目前算法上存在的瓶
颈。提出了运用智能交互提升预测准确性的路径和基于智能交互的汽车主动响应式交互设计的
框架与注意点,并结合具体案例设计进行了阐释。 相似文献
3.
基于稀疏先验的SAR图像目标方位角稳健估计方法 总被引：2，自引：0，他引：2
稳健的高精度目标方位角估计能有效提高SAR ATR的计算效率和识别性能.SAR图像中目标的近雷达主导边界包含较为精确的目标方位角信息,可用于目标方位角估计.由于目标电磁散射特性以及SAR图像斑点噪声的影响,提取的目标近雷达主导边界很不规则,存在"野值"点.本文根据"野值"点稀疏分布的特性,利用最大后验原理提出了一种稳健的方位角估计方法.该方法能够有效检测和剔除主导边界中的"野值",从而提高目标方位角估计的精度和稳健性.针对仅利用距离主导边界估计带来的目标垂直与水平方位的模糊性,基于分割图像中目标区域长宽比特征提出了一种解模糊的新方法.MSTAR实测数据的实验结果表明提出的算法具有较高的精度与稳健性. 相似文献
4.
以降低共享电源计量装置运行误差为目的,研究谐波干扰下共享电源计量装置运行误差预补偿方法。划分共享电源计量装置结构,分析谐波干扰下共享电源计量装置的运行误差,同时确定谐波干扰下规范化采样频率时的功率值。构建RBF神经网络补偿装置运行误差,采集谐波干扰下共享电源计量装置运行误差数据,以此为基础调整装置的比例、积分和微分系数,在三个系数彼此约束条件下,在系数非线性组合内获取误差预补偿的最优权值。采用协同量子差分进化算法优化RBF神经网络结构,基于优化的神经网络持续调节权值,完成共享电源计量装置运行误差预补偿。实验结果显示所研究方法可有效计算谐波干扰下研究对象运行误差,并且具备较好的功率误差预补偿效果。 相似文献
5.
针对大场景遥感图像舰船目标的快速检测问题,该文设计了一种级联型卷积神经网络检测框架。该检测框架由目标预筛选全卷积网络(P-FCN)和目标精确检测全卷积网络(D-FCN)两个全卷积网络级联而成。P-FCN是一个轻量级的图像分类网络,负责对大场景图像中可能的舰船区域进行快速预筛选,其层数少、训练简单,候选框冗余较少,能够减少后续网络的计算负担;D-FCN是一个改进的U-Net网络,通过在传统U-Net结构中加入目标掩膜和舰船朝向估计层以进行多任务的学习,实现任意朝向舰船目标的精细定位。该文分别使用TerraSAR-X雷达遥感图像和从91卫图、DOTA数据集中获得的光学遥感图像对算法进行了测试,结果表明该方法的检测准确率分别为0.928和0.926,与传统滑窗法相当,但目标检测时间仅为滑窗法的1/3左右。该文所提的级联型卷积神经网络检测框架在保持检测精度的前提下能显著提高目标检测效率,可实现大场景遥感图像中舰船目标的快速检测。 相似文献
7.
目的 随着现代人工智能技术在自动驾驶系统中的广泛应用,其可解释性问题日益凸显,为此探讨人-无人车交互过程中的可解释性交互的框架以及设计要素等问题,以增强自动驾驶系统的决策透明性、安全性和用户信任度。方法 结合可解释人工智能和人机交互的基本理论与方法,本文首先介绍了可解释性人工智能,对当前可解释内容的提取方法进行总结,然后以人-机器人交互的透明度模型为基础,建立人-无人车交互中可解释性交互的框架。最后从解释的对象、方式和评价等多个设计维度对可解释性的交互设计问题进行探讨,并结合案例进行分析。结论 可解释性作为人与模型决策之间的接口,不仅仅是一个人工智能技术问题,而且与人密切相关,涉及到人-无人车交互中的多个层次。本文提出人-无人车交互中可解释性交互的框架,得出在人-无人车交互每个阶段需要的解释内容以及可解释交互设计的要素。 相似文献
8.
针对多元化缴费终端常见故障进行分析,找出原因并提出改进措施。改进结果表明:多元化缴费终端的使用率和完好率得到显著提升,节约了运维成本,提高了客户对新型缴费方式的认知度和满意率。 相似文献
1