Program Introduction課題簡(jiǎn)介Python |機(jī)器學(xué)習(xí)|深度學(xué)習(xí)|人工智能|自動(dòng)駕駛|車(chē)輛工程根據(jù)2018年的一份道路報(bào)告指出,約80%的道路交通事故是由于人為錯(cuò)誤導(dǎo)致,為了降低道路事故率,多國(guó)近年來(lái)一直致力于自動(dòng)駕駛汽車(chē)的研發(fā)。或許你會(huì)問(wèn),自動(dòng)駕駛就一定安全嗎?答案是‘不”。美國(guó)亞利桑那州就曾發(fā)生過(guò)Uber自動(dòng)駕駛汽車(chē)撞死行人的事故,起因是自動(dòng)駕駛汽車(chē)無(wú)法準(zhǔn)確檢測(cè)和識(shí)別路人。為了解決此類(lèi)安全問(wèn)題,學(xué)界通過(guò)數(shù)次研究,決定在自動(dòng)駕中應(yīng)用深度學(xué)習(xí)的算法。作為機(jī)器學(xué)習(xí)的核心算法,深度學(xué)習(xí)使用人工神經(jīng)網(wǎng)絡(luò)來(lái)模仿人腦的復(fù)雜功能,可以有效克服傳統(tǒng)人工智能方法對(duì)于直覺(jué),如模式、語(yǔ)音識(shí)別、非結(jié)構(gòu)化信息處理方面的缺陷。例如,當(dāng)文字以不同書(shū)寫(xiě)形式呈現(xiàn)時(shí),深度學(xué)習(xí)以外的AI算法很難將其全部識(shí)別,而借助神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法卻能輕松將其識(shí)別分類(lèi)。對(duì)于自動(dòng)駕駛而言,深度學(xué)習(xí)不僅可以檢測(cè)到行人的手勢(shì)示意、規(guī)劃路徑,還能在極端天氣下識(shí)別路標(biāo)路牌,極大程度地提升行車(chē)安全性。本課題將以機(jī)器學(xué)習(xí)為出發(fā)點(diǎn),使用簡(jiǎn)易的代碼講解機(jī)器學(xué)習(xí)的核心算法(深度神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)),通過(guò)協(xié)同通信系統(tǒng)和多層多維調(diào)制,在算法學(xué)習(xí)的基礎(chǔ)上使用增量方法開(kāi)發(fā)包含路經(jīng)規(guī)長(zhǎng)