基于深度强化学习的空中基站部署优化算法

针对无人机群(swarm of unmanned aerial vehicle, UAV-swarm)在救灾场景中对地面移动用户进行持续性通信覆盖的问题,设计了一种基于多智能体的深度强化学习的无人机群路径优化算法。该算法框架中无人机具有分布式决策能力,根据用户的移动来动态调整自身的移动策略。通过设置合适的强化学习奖励和参数,使无人机在满足覆盖百分比、防碰撞、能源限制等多种约束前提下,最大限度地长期覆盖地面移动用户。与其他无人机部署方案算法进行仿真对比,实验结果表明,该模型在收敛速度和收敛效果上得到了显著提升。     

基于学习通课程的学生网络学习行为研究

针对超星学习通课程学习过程中学生出现的被动学习、消极学习现象,提出分析学生学习态度的方法,构建学习态度跟踪模型.首先针对超星学习通平台收集的学生网络学习行为数据,选取与学习态度相关性较高的指标,形成训练数据集;然后,通过调查法对学生学习态度进行调查,以此获得学习态度标签;最后,基于分类算法构建学习态度跟踪模型,采用五折...     

一种改进的LMS算法的研究与仿真

为解决最小均方误差算法中收敛速率和稳态误差之间相互制约的问题,在NLMS算法基础上提出了一种改进的LMS算法.改进算法通过引入调节因子和修正系数,使算法在收敛时和稳定时能够很好地改善收敛速率与稳态误差之间的制约关系.实验结果表明,相对于传统LMS和NLMS算法,新方法在改进收敛速率和稳态误差间关系效果更好.     

基于CFD的洁净手术室速度场的数值模拟

合理的气流组织是医院洁净手术室空调系统设计的重要内容。文章以RNGK-ε湍流双方程模型为基础,采用CFD技术,建立了相应的物理和数学模型,对上送——相对单侧墙底部回风洁净手术室内速度场进行了数值模拟,得到了洁净手术室内工作面三维速度场与二维流场的分布。     

黄粉虫的营养保健作用

为了解黄粉虫油脂和去油虫渣的营养保健作用,将黄粉虫油脂和去油虫渣掺入饲料,饲喂初成年的ICR小鼠,测定了其对小鼠的学习记忆能力和抗疲劳能力的影响;同时研究了黄粉虫全虫干粉对皮下注射了D-半乳糖致衰老模型小鼠的影响。结果表明:分离后的黄粉虫油脂和油渣均能提高小鼠的抗疲劳能力;但仅黄粉虫油渣可促进其学习能力。饲料中掺入黄粉虫幼虫干粉,使其在饲料中的质量分数为0.05和0.10,可抑制D-半乳糖致衰老小鼠体重的降低,显著提高其脾脏和胸腺的脏器重量,增强免疫力;但对血清抗氧化能力无明显的改善作用。     

知识库系统的知识表示方法及其在移动学习领域的应用

本文主要讨论的问题是知识表示,探讨关于不同知识类型、知识表示发展的不同阶段,所运用的知识表示方式.以及联系现在与计算机技术相关的无线通讯技术,来探讨知识库系统在教育领域发展趋势.     

新建伊宁至阿克苏铁路速度目标值研究

目前南北疆之间客货运输主要绕行兰新铁路和南疆铁路,运输效率低,新建伊宁至阿克苏铁路作为连接南北疆之间便捷顺直的铁路运输通道,对完善区域路网布局,改变区域内运输格局意义重大。在阐述沿线客流及沿线地形线路特征基础上,根据项目功能定位、建设方案、区域既有路网资源,采用定量计算与定性分析相结合的方法对速度目标值进行分段综合研究,通过工程经济比较、模拟牵引计算进行列车达速效果分析和功能定位,并对路网的匹配性等方面进行综合比较,得出布列开至库台克力克段(新建线路)速度目标值推荐采用160 km/h;库台克力克至库车西段(改建铁路)速度目标值推荐采用120 km/h。研究结论为该线技术标准选择提供了有力技术支撑,同时为其他类似铁路速度目标值选择提供参考。     

基于强化学习的连续型机械臂自适应跟踪控制

针对空间主动碎片清除操作中连续型三臂节机器人系统跟踪问题,提出一种基于强化学习的自适应滑模控制算法。基于数据驱动的建模方法,采用BP神经网络对三臂节连续型机械臂进行建模,并作为预测模型指导强化学习实时调节所提出滑模控制器的控制参数,从而实现连续型机器人运动的实时跟踪控制。仿真结果表明：提出的数据驱动的预测模型对随机轨迹预测的相对误差保持在±1%以内,能够高精度地反映系统动态特性。对比固定参数的滑模控制器,提出的自适应控制器在保证系统达到控制目标的同时具有更低的超调量和更短的调节时间,表现出更好的控制效果。     

基于仿真驱动的高速公路主动限速效用评价与推荐

传统的路侧被动限速方式对于特定的惩处区域以外缺少管控,间接导致车辆行为在时空上的不一致性甚至突变,影响了交通的通行效率与安全性。从车侧主动限速方式入手,提出主动限速效用评价与推荐方法,结合道路线形、交通流量、车型比例,开展多情景主动、被动限速交通仿真,利用安全间接分析模型及交通流运行状态,从安全与效率2个层面提取效用评价指标及其权重,采用集成学习方法进行预测分析。结果显示：主动限速方式相较于被动限速方式更有利于提高安全性和调节效率,而在主动限速方面,GBDT(gradient boosting decision tree)回归模型的预测稳定性和准确率更高(R²=0.984)。     

基于协方差矩阵的主动学习方法及应用研究

由于工业过程采集的数据中常包含大量的无标签样本,而有标签样本数量少且人工标记成本较高,因此,提出一种基于协方差矩阵的主动学习方法。利用有标签样本建立高斯过程回归模型,并构建无标签样本之间的协方差矩阵,以协方差矩阵行列式的值作为评价指标。在挑选信息量较大的无标签样本的同时,衡量样本间的相似性,避免样本的冗余添加,最终在相同标记代价下提升模型预测精度。基于工业过程数据进行算法的应用仿真,验证了所提方法的可行性和有效性。