信息通讯与车辆工程专题：机器学习在自动驾

·美国密歇根大学机械工程系联合培养博士·共发表论文24篇，以作者或通讯作者SCI收录论文14篇·他引301次（单篇75次），申请发明专利3项，已授权1项·研究方向：人工智能优化设计方法、智能AGV系统、智能制造

Program Introduction课题简介Python |机器学习|深度学习|人工智能|自动驾驶|车辆工程根据2018年的一份道路报告指出，约80%的道路交通事故是由于人为错误导致，为了降低道路事故率，多国近年来一直致力于自动驾驶汽车的研发。或许你会问，自动驾驶就一定安全吗？答案是‘不”。美国亚利桑那州就曾发生过Uber自动驾驶汽车撞死行人的事故，起因是自动驾驶汽车无法准确检测和识别路人。为了解决此类安全问题，学界通过数次研究，决定在自动驾中应用深度学习的算法。作为机器学习的核心算法，深度学习使用人工神经网络来模仿人脑的复杂功能，可以有效克服传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷。例如，当文字以不同书写形式呈现时，深度学习以外的AI算法很难将其全部识别，而借助神经网络的深度学习算法却能轻松将其识别分类。对于自动驾驶而言，深度学习不仅可以检测到行人的手势示意、规划路径，还能在极端天气下识别路标路牌，极大程度地提升行车安全性。本课题将以机器学习为出发点，使用简易的代码讲解机器学习的核心算法（深度神经网络和深度学习），通过协同通信系统和多层多维调制，在算法学习的基础上使用增量方法开发包含路经规长

Program Highlights科研要点·Python语言编程学习机器学习、强化学习与Python语言编程的基本概念，学习机器学习主流框架简介和基于Python语言框架的Virtualenv方案，探究为什么要在无人驾驶中应用机器学习。·深度神经网络了解神经网络的灵感来源，和人工神经网络的模型，学习函数和算法的应用，神经网络的具体设计以及应用的架构。·卷积神经网络学习什么是卷积神经网络架构，卷积神经网络的特点以及卷积过程分析，通过过拟合和欠拟合的模型进行实践与分析。Expected Students适合人群·适合对Python有相关基础的高中生和大学生.适合对深度神经网络和机器学习有相关基础的高中生和大学生，希望在该领域深入研究，培养学术思维，提升学术竞争力的学生·有意愿从事科研实践，产出学术科研报告和论文成果的学生

Instructor Team师资配置· Foreign Professor海外在职终身教授领衔，传授领域前沿知识与高水准研究方法· Domestic Professor“大学在职教授/副教授领衔，增进专业理解力，补充知识版图· Teaching Assistant辅助课题答疑、知识巩固，科研心得与专业知识分享· Writing Instructor论文1M辅导，传授论文写作技巧与方法，论文规划、写作、投稿、检素、发表全程指导· Student Coordinator科研项目全程跟进服务，为项目的平稳进行保驾护航