从activereport中导出html文件时,原网线全部没有了,是什么原因？多谢了

blue23 2003-05-10 02:38:36

是不是我的什么属性没有调整
再次表示感谢

...全文

37 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

acev 2003-05-17

打赏
举报

回复

]
UP

blue23 2003-05-12

打赏
举报

回复

还请帮助

《图像处理与计算机视觉》全套课件PDF（武汉工程大学）

科易网基于40亿+科创知识图谱数据库，深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，研究科技创新领域的AI+数智化解决方案，推动科技创新与产业创新智能化发展。

在制定产业园区规划时，如何确保与高校及科研机构的有效对接？

内容概要：本文研究了基于元胞神经网络配流与DQN强化学习的公交线网扰动韧性恢复方法，并提供了Matlab代码实现。该研究针对城市公交系统在遭遇线路中断、客流激增等突发扰动时的服务中断问题，提出一种融合元胞神经网络与深度Q网络（DQN）的智能恢复框架。通过元胞神经网络对城市交通网络进行网格化建模与动态客流分布模拟，精确刻画扰动下的乘客出行行为演变；结合DQN强化学习算法，构建调度决策模型，实现对车辆调度、线路调整和资源再分配等控制策略的自主学习与优化。该方法能够在复杂、不确定的交通环境中自适应地生成最优恢复方案，显著提升公交系统的韧性、鲁棒性与应急响应能力。研究通过仿真实验验证了该框架在多种扰动场景下的有效性与优越性。; 适合人群：具备一定编程基础，熟悉Matlab和强化学习理论，从事智能交通系统、城市规划、运筹优化或公共交通运输管理相关研究的研究生、科研人员及工程师。; 使用场景及目标：①应用于城市公共交通应急管理，提升系统对突发事件的快速响应与服务能力恢复水平；②为智慧交通系统中的动态调度、资源优化与韧性评估提供先进的算法支持；③作为深度强化学习与元胞自动机在复杂交通系统建模中交叉应用的教学案例与科研参考。; 阅读建议：建议读者结合提供的Matlab代码进行仿真实验，深入理解元胞神经网络与DQN的集成机制，并尝试在不同扰动场景下调试参数以观察模型表现，从而掌握其在实际系统中的部署逻辑与优化路径。

企业如何高效布局技术攻关与研发合作方向？

807

社区成员

8,274

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章