基于径向基函数网络的强化学习在机器人足球中的研究

与监督学习从范例中学习的方式不同，强化学习不需要先验知识，而是具有从经验中学习的能力，将强化学习应用在大状态空间中，必须应用函数逼近的方法，如使用径向基函数网络建立输入和输出的映射关系。本文对基于径向基函数网络的强化学习在机器人足球这样的动态的多智能体环境中的应用进行了研究。实验结果证明了研究方法的可行性。     

人机自然交互支持的3D虚拟教具设计

现有学习软件或虚拟教具存在交互方式不自然、抽象性差、不智能的缺点,应用基于自然的人机交互技术,以物理教学中的平抛运动教具作为实例,设计实现一种3D虚拟教具用以模拟教学过程中的真实教具。这种虚拟教具主要采用手势识别技术实现人和计算机的自然地交互,同时采用虚拟现实技术构建教具实体。应用人机自然交互技术支持的3D虚拟教具,具有交互方式自然、空间感强和抽象表现力强的特点,体现了和谐自然地人机交互方式在教育中的广泛应用前景。     

非参数环境生产技术建模及应用研究综述

非参数数据包络分析方法在能源与环境效率评估、污染物影子价格估计、排放权分配等领域获得了广泛应用,其建模的一个重要理论基础是环境生产技术的表征.本文对非参数环境生产技术的理论、模型及应用做了较为系统的回顾与展望.首先,从非期望产出处置方式的角度对常见的非参数环境生产技术进行总结分类,指出各类环境生产技术的关键特征和内在局限.其次,从可处置性、应用领域、污染物种类等方面,系统总结了环境生产技术的最新研究进展,对以环境生产技术为基础的应用研究的特征做了归纳.最后,指出环境生产技术未来可能的研究方向,以期推动环境生产技术相关理论研究和实践应用.     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

技术学习视角下新创企业技术能力演化路径研究

从技术学习过程视角,构建新创企业技术能力演化的系统动力学模型,利用Vensim软件进行模型仿真,揭示创业环境中的技术动态性与企业技术学习过程的交互作用对技术能力演化的系统影响。研究发现:(1)不同的技术获取方式对新创企业技术能力演化的促进作用存在效率差异,内部知识开发对技术型新创企业的技术能力提高更加有效;(2)企业创新收益和知识存量的演化路径并不完全同步,创新收益的增长存在一定的滞后性和波动性;(3)技术动态性与企业技术学习的交互作用对新创企业技术能力演化有着重要影响,新创企业的技术学习策略只有与创业环境相匹配,才能生成企业技术能力成长的最优路径。     

基于强化学习的指挥控制Agent适应性仿真研究

应用人工智能中的学习技术来赋予战争模拟系统中的智能Agent适应能力，是基于CAS理论的战争复杂性研究的基础内容之一。面对战争系统中复杂动态的环境，传统的监督学习方法不能很好满足智能Agent实时学习的要求。而强化学习却可以很好的适应这种动态未知的环境。文章引入强化学习技术对战争系统中指挥控制Agent的适应性进行建模仿真研究。实验结果表明强化学习技术能很好的满足指挥控制Agent无师在线实时学习的要求，从而为战争模拟系统中的智能Agent的适应性机制提供良好的建模手段。     

基于范例推理的后勤非对抗性仿真作业系统研究

在介绍基于范例推理方法基本原理的基础之上,分析了基于范例推理的后勤仿真作业系统的框架结构和工作原理;探索了应用范例推理方法实现后勤仿真作业系统的技术框架,仿真作业系统中对范例检索采用最相邻近策略,将范例属性采用对称二维表结构方式存储,对范例特征的影响程度依次检索。说明了仿真作业系统的学习机制,范例库学习中采用的多范例集成机制。     

大型社会技术系统的实施验证——“事故”作为一种学习资源

规模庞大、系统复杂的大型社会技术系统的实施应用,具有明显的社会实验特征。实验室模拟已经不能完全验证此类技术系统的稳定性和安全性,需在社会中对其进行验证。在对大型社会技术系统社会应用的实验特征、社会实验理论以及事故学习进路分析的基础上,构建了基于递归学习的实验分析框架,并以核电站技术系统的社会引入为例,验证了分析框架的适用性,阐明了大型社会技术系统的社会学习机制和其在社会中的知识生产方式,为此类技术系统的创新治理提供了理论框架和政策启示。     

基于虚拟现实技术新一代电子商务模式研究

目前电子商务的应用正在不断普及和发展,因HTML语言局限性,在Internet上商务信息都是以二维方式来表现,缺少真实感,随着计算机网络技术发展和带宽的提高,以虚拟现实技术为基础的三维空间信息将成为现实,本文是研究将虚拟现实应用于电子商务的一种新模式,同时给出开发一个网上虚拟书店的应用实例。     

基于多智能体的电力软科学智能实验室研究

针对电力软科学研究的复杂性、不确定性,总结了电力软科学研究包括的类别,采用最新的信息集成标准、CORBA规范,基于多智能体技术,应用复杂适应系统理论与智能工程理论,提出了电力软科学智能实验室建设框架和开发思路,并详细讨论了其实现方式。该体系结构采用开放式信息集成技术,方便已有软件的集成和功能扩展,可以为其它行业的软科学实验平台的研究和实现提供参考。     

迭代学习控制理论现状与展望

迭代学习控制(ILC)作为智能控制的一个分支，经历二十多年的发展，无论在理论研究，还是在实际应用上都取得了丰硕成果，在过程控制中逐渐显现出其独到之处。对ILC算法和理论研究现状作了较为详细的分析，并且指出ILC存在的问题和研究方向。     

基于生成对抗神经网络的雷达遥感数据增广方法

在雷达探测领域,数据样本无论在完备性还是多样性上,均不能满足深度学习模型有效训练的要求,模型极易出现过拟合现象,从而限制了相关技术在雷达探测领域的广泛应用。面向雷达探测领域的智能化应用需求,针对雷达数据样本不足问题,提出基于生成对抗神经网络的微波成像体制雷达数据增广方法。针对雷达数据样本特征不显著问题,结合标签平滑正则化方法,实现增广数据样本的自动标注,通过构建增广样本与真实样本协同的深度学习模型训练框架,实现模型在小规模雷达数据样本集上的鲁棒训练。基于公开雷达探测数据集,验证了该方法的有效性。     

基于智能Agent的复合学习方法

从实例学习和事例推理的关系出发,分析了专家经验累积的过程,指出传统知识获取瓶颈的根源.在此基础上,借助agent理论,提出了一种从专家分析实例学习和事例推理的有机结合模型,给出了专家知识获取的基本框架.构成此框架的各归纳学习agent在专家的协助下,可通过加强学习机制相互促进.     

本体关系学习方法研究——概念特征词法

针对领域本体构建过程中获取概念间语义关系的困难, 提出了一种新的本体关系学习方法——概念特征词法, 支持自动化地构建领域概念间的关系集合. 该方法首先基于语境将领域概念表示为特征词向量模型, 然后通过计算向量的相似度来确定两个概念之间是否存在语义关系. 依据领域专家定义的金标准, 对概念特征词法的学习结果做了详细的性能分析. 结果表明: 相较于已有方法, 本文方法的准确率和召回率更令人满意. 概念特征词法可广泛应用于本体构建、文本挖掘和语义检索等领域.     

预测支持系统中的人机界面Agent及其机器学习

人机界面 agent是一种具有一定智能性 ,并能增强应用系统与用户间交互的计算机程序 .通过机器学习机制 ,这种 agent能够适应用户的习惯 ,使系统更有效的服务于用户 .本文将界面 agent( Interface agent)技术应用于预测支持系统 ( FSS:Forecasting Support System)中 ,并采用适当的学习方法 ,可以很好地解决其中的复杂人机交互问题     

Intelligent Information Management and Knowledge Discovery in Large Numeric and Scientific Databases

ＩｎｔｅｌｌｉｇｅｎｔＩｎｆｏｒｍａｔｉｏｎＭａｎａｇｅｍｅｎｔａｎｄＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙｉｎＬａｒｇｅＮｕｍｅｒｉｃａｎｄＳｃｉｅｎｔｉｆｉｃＤａｔａｂａｓｅｓＰａｔｒｉｃｋＰｅｒｒｉｎ；ＦｒｅｄｅｒｉｃｋＥ．Ｐｅｔｒｙ＆Ｗｉｌｌｉ...     

Toward Fostering Systems Learning in Organizational Contexts

This article explores the ways in which the process of systems learning can be nurtured in organizational contexts. I posit that in order to mobilize systems learning at the individual, group, and organizational levels, an integrated, holistic approach must be pursued. It is suggested that the challenge of not only teaching the systems thinking concepts but also using their actual applications in practice is more than just an issue of pedagogical improvement. The cultural and material issues integral to the use of systems thinking must be taken into consideration as well. I argue that our efforts to improve our pedagogical practices to foster systems learning in organizational contexts can benefit from the social constructivist perspective, which represents a system of ideas about learning. The qualities of systems pedagogy resided in social constructivism are proposed as a framework to think with in designing the meaningful systems learning activities. This article also discusses how to create the cultural and material environments in which the process of systems learning can be nurtured.     

基于多智能体强化学习的动态频谱分配方法综述

认知无线电和动态频谱分配技术是解决频谱资源短缺问题的有效手段。随着近年来深度学习和强化学习等机器学习技术迅速发展, 以多智能体强化学习为代表的群体智能技术不断取得突破, 使得分布式智能动态频谱分配成为可能。本文详细梳理了强化学习和多智能体强化学习领域关键研究成果, 以及基于多智能体强化学习的动态频谱分配过程建模方法与算法研究。并将现有算法归结为独立Q-学习、合作Q-学习、联合Q-学习和多智能体行动器-评判器算法4种, 分析了这些方法的优点与不足, 总结并给出了基于多智能体强化学习的动态频谱分配方法的关键问题与解决思路。     

自学习智能决策支持系统

提出了一种基于神经网络与专家系统的自学习智能决策支持系统,使得智能决策支持系统能够对过去的经验进行学习。在无人作战飞机系统的应用表明,智能决策支持系统不仅能够对过去的经验进行学习,并且成功地解决了在规则不完善、战场信息不完全的情况下决策支持系统的推理问题。仿真结果表明,提出的方法显著地提高了智能决策支持系统的性能。     

基于深度强化学习的驾驶仪参数快速整定方法

针对深度强化学习方法对驾驶仪控制参数训练速度慢、奖励函数收敛性不好等问题,以三回路驾驶仪极点配置算法为核心,提出一种将三维控制参数转换为一维设计参量的智能训练方法,构建离线深度强化学习训练叠加在线多层感知器神经网络实时计算的智能控制架构,在提高深度强化学习算法的效率和奖励函数收敛性同时,确保在大范围飞行状态变化条件下控制参数的快速在线自整定。以典型再入飞行器为例,完成深度强化学习训练和神经网络部署。仿真结果表明,强化学习动作空间简化后的训练效率更高,训练得到的驾驶仪对控制指令的跟踪误差在1.2%以内。