基于多源域知识迁移学习的小微企业信用评分

针对新业务,新场景下金融机构目标数据集“高维小样本”的问题,本文提出了基于多源域知识迁移学习的小微企业信用风险测度方法,其能够迁移学习其它数据源(源域)的知识以提升目标域模型的预测效果.该方法通过对来自多个源域的多种源域知识进行归纳提取,进而将其纳入目标域模型的构建中,可以充分利用源域知识,提升目标域模型的估计精度.另外,模型无需获取各源域的原始数据,因此很大程度上降低了数据传输中隐私泄露的风险.模拟实验和企业信用评分的实例数据验证了所提方法的可行性及其在变量选择,系数估计和分类预测上的良好效果.该方法能够在隐私限制的背景下有效迁移源域知识以克服信用评分中目标数据集信息量不足,而导致估计效果较差的问题.     

基于迁移学习的新产品销量预测模型

本文提出一种基于迁移学习的销量预测模型,以应对小样本数据下新产品销量预测问题。首先,对候选产品集与新产品进行多维特征相似比较,确定源域产品;然后,基于样本迁移的思想,利用类比合成法,在源域时间序列中匹配出与目标域时间序列高相关的多个模式,并采用最小二乘法和遗传算法筛选最佳模式,确定模式长度,以进行新产品的联合销量预测。实验结果表明:与其他经典预测方法相比,该方法能提高新产品销量预测准确度,并验证了模型的合理性和科学性,为新产品销量预测提供了有效思路。     

基于GMDH的“一步式”客户流失预测集成建模

在客户流失预测问题中, 客户数据的特征往往会影响模型的预测效果.分析了常用的“两步式”客户流失 预测方法的不足,提出了基于数据分组处理(GMDH)技术的“一步式”客户流失预测集成研究框架.该框架一方面 将数据预处理和客户流失预测建模过程进行集成,另一方面用多分类器集成策略进行客户流失预测建模.以客户数据类别分布不平衡的客户流失预测问题为例,构建了与数据特征相适应的“一步式”集成模型. 实证结果表明,该方法能够更有效地进行客户流失预测.     

基于改进迁移学习的高速铁路短期客流时间序列预测方法

高速铁路短期客流的预测能为客票分配、开行方案制定、车站客运组织等运营层面组织工作服务,以提高运力资源配置效率和运输服务水平。针对该预测工作往往缺乏有效样本、难于处理时间序列的非稳态性等难点,本文提出一种基于改进迁移学习的高速铁路短期客流预测方法。该迁移学习算法是在经典提升(Boost)算法基础上,结合时间序列特征所提出的。首先,通过时间序列的初筛机制得到源域时间序列与目标域时间序列的距离,并获取与目标域时间序列更相似的源域时间序列。然后,通过将整体时间序列分解为线性时间序列和非线性时间序列,采用季节性差分自回归移动平均模型进行线性拟合后,获取非线性时间序列作为初始源数据集合。最后,通过对训练样本和随机森林回归模型的权重调整实现多样本的迁移,能有效降低负迁移,提升算法稳定性。并以某铁路局客票数据为例进行高速铁路客运量预测及验证,结果表明改进迁移学习都能有效提升预测精度,证明该方法能高效地运用于实际的高速铁路短期客流预测中,有利于提升运力资源配置效率和高速铁路运输服务水平。     

SDS200X中战略决策问题求解方法探讨

“智能化战略决策模拟与综合集成研讨环境”SDS200X是基于按需服务机制(XOD)建立的具有综合集成和分布、开放特征的战略决策问题研讨环境，是以战略模拟为基础的新型战略决策支持系统．问题求解是指应用环境资源对具体问题进行求解和从具体的研究问题中学习和逐步增长知识、提高系统求解智能的过程．文章探讨了SDS200X中战略决策问题求解的复杂问题树形分解求解思想、面向对象的形式化问题表示和问题求解程序框架模型三个方面的内容．     

系统工程在工程装备论证工作中的应用研究

运用系统工程的相关理论与方法,分析了工程装备论证工作的系统特征.在此基础上,对工程装备的系统论证模式进行了论述,并结合工程装备论证工作的研究现状,提出了一种分析工程装备论证问题的综合集成论证方法,即"智能化嵌套式分析-研讨法",并对该方法的基本内涵及主要特征进行了深入的剖析与论述.     

一种基于智能中间件的综合GDSS框架模型

针对群体决策分析的过程和特点,在传统中间件的基础上,增加知识库的相关内容和方法,获得一个由中央处理单元、辅助选择、功能组合平台和知识库交互平台构成的智能中间件,并提出一个基于智能中间件的综合群体决策支持系统框架模型。在该框架模型中,将知识发现、知识管理和群体决策支持系统相互结合,集智能中间件、知识发现技术于一体,系统分为三个层面:用户层、管理层和分析层,分别对应于用户交互、知识管理和知识挖掘三个平台,并给出了三个平台的框架结构和功能。最后,通过具体实例讨论了该系统框架模型的应用。     

无人集群智能协同仿真试验评估理论框架研究

智能无人集群装备作为智能装备的典型代表,其技术、装备、作战应用在全球范围内加速推进,但总体上无人集群试验理论的研究滞后于无人集群技术、装备,无人集群能力的涌现性、对抗的复杂性,以及无人集群试验的不可重复、不可泛化等特性给无人集群试验基础理论、方法带来了巨大挑战。从体系工程集成试验视角和装备研制建设全生命周期视角提出面向能力生长的智能技术、智能单装、智能集群、智能体系4个集群试验模式,深度剖析无人集群智能协同试验的基础理论问题,构建无人集群智能协同试验基础理论框架。     

基于时序图的作战指挥行为知识表示学习方法

为深入探索时序作战指挥行为知识的建模方法,实现对具有时序关联特征的指挥员作战指挥行为的有效表征,以兵棋推演作战指令为基础,提出一种基于时序图的作战指挥行为知识表示学习方法,对作战指挥行为进行知识表示学习,并通过作战指挥行为预测任务验证模型的有效性。实验结果表明,提出的方法对于评估指标提升较大,能够有效捕捉想定场景下联合作战指挥员的作战指挥行为时空特征,为时序作战指挥行为知识的表示学习提供了可行范例,为联合作战指挥员的指挥经验抽取和联合作战态势认知提供基础。     

贝叶斯网和MAS在生态工业园中的应用初探

Agent在MAS中的行为在很多方面类似于生物在自然环境中的生态行为,因此,从生态系统角度,基于生态特征研究MAS的工业进化模型是很有意义的,对解决生态工业系统的优化控制有着引人注目的现实意义和发展前景.应用贝叶斯技术和贝叶斯网络为智能Agents和多Agent系统所提供的数学框架和处理工具,可有效地解决Agent研究领域所遇到的知识表示、学习和行为决策问题.生态工业系统中的每个企业可以建模为智能Agent.提出一种基于贝叶斯网的方法来对各企业Agent之间的协作关系进行建模.该方法能有效表达各企业Agent的行为策略之间的因果关系,进而可以对生态工业系统中各企业在不同情况下采取的行为策略进行预测和决策,使得整个生态工业系统的经济效益、社会效益和环境效益达到最优化.     

基于时序图的作战指挥行为知识表示学习方法

为深入探索时序作战指挥行为知识的建模方法,实现对具有时序关联特征的指挥员作战指挥行为的有效表征,以兵棋推演作战指令为基础,提出一种基于时序图的作战指挥行为知识表示学习方法,对作战指挥行为进行知识表示学习,并通过作战指挥行为预测任务验证模型的有效性。实验结果表明,提出的方法对于评估指标提升较大,能够有效捕捉想定场景下联合作战指挥员的作战指挥行为时空特征,为时序作战指挥行为知识的表示学习提供了可行范例,为联合作战指挥员的指挥经验抽取和联合作战态势认知提供基础。     

基于深度学习特征迁移的装备体系效能预测

针对武器装备体系效能评估在高维噪声小样本数据条件下准确性不高的问题,提出一种基于堆栈降噪自编码与支持向量回归机的混合模型。利用堆栈自编码神经网络对通用深层特征的自主抽取能力,通过在相似源域大数据上预训练混合模型,获得两任务间的共有特征知识,借助对该知识的迁移,在目标域微调该混合模型,从而提升支持向量回归机在小样本噪声数据上的学习预测精度。在一定作战想定背景下,结合武器装备体系仿真试验数据,对该混合模型进行验证。实验结果表明,与传统支持向量回归机等模型相比,所提模型能够更准确地评估装备效能。     

基于知识元的应急决策知识表示与生成方法

非常规突发事件应急决策是一类应急状态下的复杂系统决策问题,快速生成应急决策知识是解决这类问题关键.本文从不同科学域的共性整体特征出发,构建应急决策知识元模型,为多领域、多学科显性知识和隐性知识的表示与融合提供支持.在此基础上,本文首先基于知识元模型生成个体知识,然后通过GRA-T(grey relation analysis and TOPSIS)方法确定决策主体考虑问题的权重,再使用WGRG(weight grey relation grade)融合算子将专家知识整合成系统性的应急决策知识,为保证应急决策的及时性、科学性和有效性提供知识支持.最后,通过数值算例和地铁火灾突发事件案例分别验证GRA-T和WGRG方法的优越性以及应急决策知识表示和生成方法的实用性和科学性.     

基于DEVS原子模型的智能体离散仿真构建方法

智能体由于自身交互行为与学习行为的复杂性,难以直接被建模和仿真.针对智能体离散仿真中的常见问题,借助DEVS (discrete event system specification)原子模型的事件转移机制表示智能体的交互与学习过程,通过对智能体交互模式、多状态外部事件转移控制、端口连接模式、以及强化学习事件转移表示等...     

基于深度残差适配网络的通信辐射源个体识别

为解决通信辐射源识别中传统的人工特征提取方法鲁棒性不足和深度学习方法需要大量带标签目标域数据的问题,提出一种基于深度残差适配网络的通信辐射源个体识别方法.应用深度学习技术实现从源域到目标域上的迁移识别,只需要将带标签的源域数据和无标签的目标域数据进行训练.原始通信辐射源信号经过预处理后输入网络训练,将源域和目标域的分布...     

一个基于集成情境知识的组合预测方法

根据钱学森定性定量综合集成的系统思想,在TEI@I复杂系统方法论的框架下,提出了一种基于集成情境知识的组合预测方法(CFMIK).该方法用情境知识引导经济预测过程,将一些难以显式出现在预测模型中的影响因素考虑进来,从而能够在一定程度上解决预测结果在发生随机事件冲击时误差较大的难题.以港口集装箱吞吐量预测为例,对比了CFMIK,AFTER组合预测方法和3种单项模型预测方法(ARIMA、BP-ANN和指数平滑法)的表现,结果发现CFMIK的表现显著地优于后4种预测方法.     

基于MAS构件技术的复杂知识复用动态演化模型研究

为快速恰当地复用企业现有知识和软件, 提出了将企业的知识管理的业务逻辑与知识处理事务分开, 建立基于多智能体和构件知识服务的知识复用模型, 给出了知识复用系统的定义. 深入研究了知识管理业务逻辑的规则模型和智能体的活动行为模型, 建立了基于多智能体的规则协调模式, 实现对知识服务的敏捷调用, 从而有效地支持知识的动态复用和知识使用过程的动态重组, 增强知识管理系统的分布式处理能力和规模可扩展能力.分布式构件库系统中, 智能体可通过协作联合完成用户的检索要求. 智能体拥有自己的知识库, 并且具备学习能力, 能更新其知识库以保持检索结果的有效性. 最后, 通过一个实例进一步说明了所给模型的应用.     

面向战略规划评估的知识计算技术

在战略规划执行领域如何有效利用已有知识生成战略层规划计划方案成为当务之急.结合战略规划评估问题的特点,需要在预实践平台中采用大量的仿真实验和人在回路的推演,并结合路线图领域的大量数据来开展相关研究.借鉴数字工程、系统工程、战略管理等领域的相关研究成果和成功经验开展知识计算理论、方法研究,提出了一种知识计算引擎的构建方法.该方法面向未来战略环境中复杂多变的不确定性,预先创新数据、模型、知识、算法和智慧等战略赋能要素,超前预置评测、筹划、计划、优化和定向等战略组织智能,通过数字化、智能化方法和手段为战略规划方案评估提供决策支持,形成基于大数据、大模型的知识智能与智慧决策优势.     

基于元网络的项目组织学习能力对任务完成影响评价仿真方法

组织能力是影响项目任务完成的决定性因素,而学习能力是组织能力形成的关键基础.基于元网络理论和动态仿真方法,将组织(人)、知识和任务视为多智能体复杂交互系统,提出知识扩散度和任务完成水平两项关键指标,研究项目组织学习能力对任务完成水平影响的内在机理.以通用品牌别克汽车4S店建设项目群管理为例,验证评价指标的合理性,并进一步通过仿真实验,识别项目组织的关键知识、关键组织以及关键学习阶段,进行组织学习能力提升和任务分配的优化.为项目组织设计、任务分配及组织学习的研究探索了一种有效的方法.     

基于混频数据驱动神经网络模型的波动率预测研究

金融市场价值波动与经济政策等宏观环境密切相关,其影响要素多源,价值波动往往表现出复杂的统计特征与变化规律,现有的波动率预测模型难以有效地预测其价值波动规律.面对价值波动中风险要素多源、频率多样、关系非线性的潜在挑战,考虑到深度学习框架下CNN和LSTM的计算优势,本文提出了基于混频数据反向抽样的CNN-LSTM的波动预测模型:MDNN (mixed frequency data-driven neural network),该模型既有效提取多元时序数据的时空特征、又充分利用混频信息,使其预测能力与泛化能力得到有效提升.选取常见的供应链金融质押物铜、铝和锌作为研究对象,样本外预测结果表明:相比于基准模型,MDNN更加准确、有效地预测出质押物已实现波动率,其稳健性检验也表明实证结论的可靠性.