自动驾驶

Machine Learning Architectures for the Estimation of Predicted Occupancy Grids in Road Traffic

用于道路交通中预测占用网格估计的机器学习架构

Parthasarathy Nadarajan, Michael Botsch, Sebastian Sardina

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)

AI总结 本文提出了一种新颖的机器学习架构，用于高效估计道路交通中的预测占用网格，通过模拟验证其在准确性和计算时间上的性能。

Comments Journal of Advances in Information Technology

Probability Estimation for Predicted-Occupancy Grids in Vehicle Safety Applications Based on Machine Learning

基于机器学习的车辆安全应用中预测占用网格的概率估计

Parthasarathy Nadarajan, Michael Botsch

机构 * Technische Hochschule Ingolstadt（图宾根工业大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；trajectory planning(abstract)

AI总结 本文提出基于随机森林算法的机器学习方法，用于高效计算车辆安全应用中的预测占用网格，以提升关键性估计和轨迹规划能力。

Comments 2016 IEEE Intelligent Vehicles Symposium

Predicted-occupancy grids for vehicle safety applications based on autoencoders and the Random Forest algorithm

基于自编码器和随机森林算法的预测占用网格用于车辆安全应用

Parthasarathy Nadarajan, Michael Botsch, Sebastian Sardina

机构 * RMIT University（皇家墨尔本理工大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)

AI总结 本文提出基于自编码器和随机森林算法的预测占用网格方法，用于复杂交通场景中的车辆安全应用，通过降维和分类提高预测准确性。

Comments 2017 International Joint Conference on Neural Networks (IJCNN)

Preconditioning Techniques for Hybridizable Discontinuous Galerkin Discretizations on GPU Architectures

针对GPU架构的混合不连续伽辽金离散化的预处理技术

Andrew Welter, Ngoc Cuong Nguyen

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出了一种适用于GPU的HDG离散化预处理技术，结合牛顿法与GMRES求解器，通过块雅可比等预处理器提升求解效率。

Quantum Encoding of Three-Dimensional Ligand Poses for Exhaustive Configuration Enumeration

三维配体构象的量子编码用于穷举配置枚举

Pei-Kun Yang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究提出一种量子编码方法，用于在三维网格上高效枚举配体的全部空间构象，为量子加速的虚拟筛选提供基础。

Preparing the Gutzwiller wave function for attractive SU(3) fermions on a quantum computer

在量子计算机上为吸引性SU(3)费米子准备Gutzwiller波函数

Han Xu, Kazuhiro Seki, Seiji Yunoki

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 在量子计算机上利用量子-经典混合方案实现吸引性SU(3)费米子系统的Gutzwiller波函数，并通过实验验证其有效性。

Comments 14 pages, 6 figures