{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,2,3]]，“日期时间”：“2024-02-03T08:00:43Z”，“时间戳”：1706947243143}，“出版商位置”：“查姆”，“参考计数”：12，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“值”：“9783319998848”，“类型”：”打印“}，{“值”：“9783319998855”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2018,11,21]]，“date-time”：“2018-11-21T00:00:00Z”，“timestamp”：1542758400000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http:\\/www.springer.com\/tdm”}]“short-container-title”：[]，“published-print”：｛“日期部分”：[[2019]｝，“DOI”：“10.1007\/978-3-319-99885-5_3”，“类型”：“书籍章节”，“已创建”：｛“日期部分”：[[2018,11,20]，“日期时间”：“2018-11-20T11:04:28Z”，“时间戳”：1542711868000｝，“页面”：“31-43”，“更新策略”：“http:\/\/dx.DOI.org/10.1007\/springer_crosmark_policy”，“来源”：“Crossref”，“由计数引用”：6，“标题“：[“通过CNN模拟自驾汽车”]，“前缀”：“10.1007”，“作者”：[{“给定”：“哈维尔”，“家族”：“del Egio”，“序列”：“第一”，“从属关系”：[]}，{“已知”：“路易斯·米格尔”，“家庭”：“贝加萨”，“顺序”：“附加”，“隶属关系”：[]}“：”卡洛斯“，”家人“：“G\u00f3mez Hu\u00e9lamo”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Javier”，“family”：“Araluce”，“serquence”:“additionable”，“filiation“：[]{”，{”given“：”Rafael“，”family“Barea“，”sequence“：”additional“，”affiliation:[]}]，“member”：“297”，“published on”：{“date-parts”：[2018,11,21]]}“reference”：[{“key”：“3_CR1”，“unstructured”：“美国汽车工程师学会自动驾驶汽车分类。\nhttps:\/\/www.cnet.com/roadshow\/news\/self-driving-car-guide-autonomous-explanation\/”}，{“key”：“3_CR2”，“unstructured”：“使用机器学习和计算机视觉进行车辆检测。\nhttps:\/\/towardsdatascience.com/teaching-cars-to-see-Vehicle-detection-using-machine-learning-and-computer-vision-5462888079a”}，{“key”：“3_CR3”，“unstructured”：“Bojarski，M.等人：自动驾驶汽车的端到端学习。NVIDIA（2017）。\narxiv.org \/pdf \/1604.07316.pdf”}、{“key”：“3_CR4”，“非结构化”：“Europilot.Marsauto.\nhttp://github.com/Marsauto\/Europilot”}，{“key”：“3_CR5”，“unstructured”：“Gazebo.\nhttp://gazebosim.org\/blog \/car_sim”}{“key”：“3_CR7”，“非结构化”：“Keras文档。\nhttps:\/\/Keras.io\/”}，{“key”：“3_CR8”，“unstructured”：“Shao，Y.：无人驾驶汽车的端到端学习（2017）。\nhttp:\/\/github.com\/ymshao\/End-to-End-learning-for-self-driving-cars”}：“卷积，长短期记忆，完全连接的深层神经网络。\nhttp://static.googleusercontent.com/media\/research.google.com/es\/\/pubs\/archive\/43455.pdf”}，{“key”：“3_CR10”，“unstructured”：“Chi，L.，Mu，Y.：深度转向：从空间和时间视觉线索学习端到端驾驶模型（2017）.\nhttps:\/\/arxiv.org\/pdf\/1708.03798.pdf“}，{“key”：“3_CR11”，“unstructured”：“Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：基于深度卷积神经网络的图像元分类。In：《神经信息处理系统的进展》，第1097\u20131105页（2012）”}，}，[key“：”3_CR12“非结构化”：“Simonyan，K.，Zisserman，A.：用于大规模图像识别的超深度卷积网络，\narXiv:1409.1556\n\n[cs]，2014年9月“｝]，“容器标题”：[“智能系统和计算的进展”，“物理代理的进展”]，“原标题”：[]，“链接”：[｛”URL“：”http:\/\/link.springer.com\/content\/pdf\/10.1007\/978-3-319-99885-5_3“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2018,11,20]]，”date-time“：“2018-11-20T11:05:13Z”，“timestamp”：154271193000}，“score”：1，“resource”：{“primary”:{“URL”：“http://link.springer.com/10.1007\/978-3-99885-5_3”}}，”subtittle“：[]，“短标题”：[]，“已发布”：{date-parts“：[[2018,11,21]]}，“ISBN”：[“9783319998848”，“97833998855”]，“references-count”：12，“URL”：“http://\/dx.doi.org\/10.1007\/978-3-319-99885-5_3”，“relationship”：{}，”ISSN“：[”2194-5357“，”2194-2365“]，”ISSN-type“：[{”value“：”2194-3357“”，”type“:”print“}”，{“value”：“2194-5365”4-5365“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[[2018,11,21]]}，”断言“：[{”value“：”WAF“，”order“：1，”name“：”conference_acrombit“，”label“：”conference缩写“，”group“：，“order“：3，”name“：”conference_city“，”label“：”会议城市“，”group“：：“会议年份“，”组“：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“2018年11月22日”，“order”：7，“name”:“Conference_start_date”，”label“：“会议开始日期”，“group”：会议结束日期“，”组“：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“waf2018”，“order”：10，“name”:“Conference_id”，“标签”：“会议id”，“group”：{”name“：”ConferenceInformo“，”label“：”会议信息“}，”value“：”http://\www.waf2018.uc3m.es\/“，”order“：11，”name“:”Conference_0rl“，”标签“：“会议url”，“组”：{name“：”ConferenceInfo“，”label“：”会议信息“}}]}}