检索结果-内蒙古大学图书馆

软件 2023年第9期44卷 116-119页

作者：靳恒清甘肃农业职业技术学院甘肃兰州730000

传统的学生素质素养评估方法往往基于专家经验或标准,难以全面、客观地评估学生的素质素养。基于人工智能强化学习算法的学生素质素养预测机制是一种数据驱动的方法,它利用大量的学生数据进行模型构建和预测,经过不断地优化算法和模型,... 详细信息

传统的学生素质素养评估方法往往基于专家经验或标准,难以全面、客观地评估学生的素质素养。基于人工智能强化学习算法的学生素质素养预测机制是一种数据驱动的方法,它利用大量的学生数据进行模型构建和预测,经过不断地优化算法和模型,提高模型的准确性和泛化能力,同时结合学生素质素养指标实现个性化的综合性分析,从而全面地评估与预测学生的素质素养能力。此外,该预测机制能够根据学生的表现和反馈信息,不断调整和优化学生的能力模型,提高学生素质素养评价的先进性,还能够通过建模实现对学生学习行为的精细化管理。最后,将基于强化学习的学生素质素养预测机制应用到实际教学场景中,并对其效果进行评估和优化,推广其应用领域,同时将其转换为科研成果。

关键词：人工智能强化学习算法素质素养

来源：评论

学校读者我要写书评

暂无评论

一种强化学习算法应用于多移动机器人的觅食实例研究

一种强化学习算法应用于多移动机器人的觅食实例研究

引用

中国自动化学会系统仿真专业委员会中国系统仿真学会仿真计算机与软件专业委员会2004学术年会

作者：任燚陈宗海中国科学技术大学自动化系安徽合肥230027

本文提出一种基于过程奖赏和优先扫除的强化学习算法.以多移动机器人觅食任务的计算机仿真为手段,与手工编程的同构策略和地域型异构策略,以及基于结果奖赏和优先扫除的强化学习算法进行对比.对比结果表明本文提出的强化学习算法能显著... 详细信息

本文提出一种基于过程奖赏和优先扫除的强化学习算法.以多移动机器人觅食任务的计算机仿真为手段,与手工编程的同构策略和地域型异构策略,以及基于结果奖赏和优先扫除的强化学习算法进行对比.对比结果表明本文提出的强化学习算法能显著减少多移动机器人之间的冲突,提高系统整体性能,从而体现多机器人系统的优越性.

关键词：过程奖赏优先扫除强化学习算法多移动机器人觅食任务

来源：评论

学校读者我要写书评

暂无评论

多回报模糊强化学习算法的研究及实现

多回报模糊强化学习算法的研究及实现

引用

第十一届中国人工智能学术年会

作者：高建清王浩方宝富于磊徐栋哲合肥工业大学计算机与信息学院 230009 中国科学技术大学力学与机械工程系 230029

本文提出了一种多回报模糊强化学习算法.算法采用模糊逻辑对状态空间进行泛化,能够实现连续状态空间和离散动作序列的学习.通过学习得到一个完整的规则库.这个规则库为Agent的行为选择提供了先验知识,通过这个规则库可以实现动态规划.... 详细信息

本文提出了一种多回报模糊强化学习算法.算法采用模糊逻辑对状态空间进行泛化,能够实现连续状态空间和离散动作序列的学习.通过学习得到一个完整的规则库.这个规则库为Agent的行为选择提供了先验知识,通过这个规则库可以实现动态规划.算法从不同角度考虑动作的回报值,实现了Agent短期利益和长期回报间的平衡.我们在RoboCup环境中验证了这个算法,成功的解决了截球决策问题.

关键词：强化学习算法模糊集多回报 RoboCup截球离散动作序列规则库 Agent

来源：评论

学校读者我要写书评

暂无评论

基于强化学习算法的电梯节能调度系统和方法

基于强化学习算法的电梯节能调度系统和方法

引用

作者：钟毅刘勖邹亿仙章馨予唐小龙黄俊涛郝东利 430070 湖北省武汉市洪山区珞狮路122号

本发明公开了一种基于强化学习算法的电梯节能调度方法，包括以下步骤，S1、通过人脸识别、语音识别以及手势识别获取候梯人员及乘梯人员的起始层、目的层；S2、获取轿厢所在位置；S3、根据乘梯人员及候梯人员的乘梯路线以及轿厢所在位... 详细信息

标准号: CN114873387A

本发明公开了一种基于强化学习算法的电梯节能调度方法，包括以下步骤，S1、通过人脸识别、语音识别以及手势识别获取候梯人员及乘梯人员的起始层、目的层；S2、获取轿厢所在位置；S3、根据乘梯人员及候梯人员的乘梯路线以及轿厢所在位置，利用强化学习算法得到最优调度方案；S4、根据最优调度方案驱动轿厢，并将轿厢运动情况向候梯人员及乘梯人员播报。本发明提升了轿厢的运行效率。

关键词：乘梯候梯轿厢强化学习算法最优调度轿厢运动节能调度驱动轿厢人脸识别手势识别语音识别运行效率起始层播报电梯

来源：评论

学校读者我要写书评

暂无评论

一种基于改进的强化学习算法优化BP神经网络PID控制气压方法

一种基于改进的强化学习算法优化BP神经网络PID控制气压方法

引用

作者：李念强袁浩 250022 山东省济南市市中区南辛庄西路336号

本发明涉及一种基于改进的强化学习算法优化BP神经网络PID控制气压方法。包括以下步骤：1）数据采集与预处理：采集气压控制系统的输入和输出数据，并对数据进行预处理，包括去噪、归一化等操作；2）BP神经网络模型设计与训练：建立BP... 详细信息

标准号: CN116540528A

本发明涉及一种基于改进的强化学习算法优化BP神经网络PID控制气压方法。包括以下步骤：1）数据采集与预处理：采集气压控制系统的输入和输出数据，并对数据进行预处理，包括去噪、归一化等操作；2）BP神经网络模型设计与训练：建立BP神经网络模型，利用采集到的预处理数据，使用反向传播算法对BP神经网络进行训练；3）PID控制器设计与参数调整：在BP神经网络的基础上，设计PID控制器，确定合适的比例、积分和微分参数，并利用改进的强化学习算法对其参数进行调整；4）强化学习算法设计与训练：使用改进的强化学习算法来优化BP神经网络，以实现更准确的气压控制；5）实时控制与反馈调整：将训练好的BP神经网络和PID控制器结合并应用于实际气压系统中，通过实时采集传感器数据、计算控制信号并控制执行器，实现对气压系统的实时控制。该方法能够实现对气压系统的高效控制，提高控制精度和稳定性。

关键词：强化学习算法气压系统预处理实时控制采集计算控制信号气压控制系统传感器数据控制执行器预处理数据改进参数调整反向传播高效控制气压控制实时采集输出数据数据采集微分参数归一化去噪算法气压优化反馈应用

来源：评论

学校读者我要写书评

暂无评论

一种基于DQN深度强化学习算法的单一水库智能防洪调度方法

一种基于DQN深度强化学习算法的单一水库智能防洪调度方法

引用

作者：任明磊徐炜刘昌军魏国振王刚赵丽平顾李华王凯张琪刘小虎 100048 北京市海淀区车公庄西路20号

本发明涉及一种基于DQN深度强化学习算法的单一水库智能防洪调度方法，包括：构建基于人工智能的水库调度“无监督深度学习”模型、以水库发电调度为基础建立DRL的奖励反馈，以及基于水库实测入库径流过程建立针对某水库的调度人工智能... 详细信息

标准号: CN115049292B

本发明涉及一种基于DQN深度强化学习算法的单一水库智能防洪调度方法，包括：构建基于人工智能的水库调度“无监督深度学习”模型、以水库发电调度为基础建立DRL的奖励反馈，以及基于水库实测入库径流过程建立针对某水库的调度人工智能专家。与动态规划求解的最优发电调度过程进行对比，本发明所述基于DQN深度强化学习算法的单一水库智能防洪调度方法的发电调度结果，明显优于传统的基于决策树的水库发电调度结果，说明本发明所述水库调度“无监督深度学习”模型具有很强大的学习能力和决策能力，在水库调度决策中具有很强的适应能力。

关键词：发电调度水库水库调度强化学习算法人工智能无监督调度防洪动态规划基础建立决策能力学习能力智能传统的决策树求解构建实测径流入库反馈学习奖励决策

来源：评论

学校读者我要写书评

暂无评论

一种基于强化学习算法的主动减振降噪方法及系统

一种基于强化学习算法的主动减振降噪方法及系统

引用

作者：黄贻苍李巧娇吴刚徐子祁丰星星吴恒亮张安付 430000 湖北省武汉市武昌区中山路450号

本发明涉及水下航行器降噪技术领域，并提出了一种基于强化学习算法的主动减振降噪方法及系统，包括以下步骤：S1对水下航行器整体振动信号进行采集，并建立水下航行器数据模型，所述水下航行器数据模型包括水下航行器数据参数，水下航... 详细信息

标准号: CN118211315A

本发明涉及水下航行器降噪技术领域，并提出了一种基于强化学习算法的主动减振降噪方法及系统，包括以下步骤：S1对水下航行器整体振动信号进行采集，并建立水下航行器数据模型，所述水下航行器数据模型包括水下航行器数据参数，水下航行器数据参数包括水下航行器状态参数与环境参数；S2根据水下航行器数据参数和鼓励系数之间的函数关系式。该基于强化学习算法的主动减振降噪方法及系统，通过深度强化学习模型根据水下航行器自身噪声等数据，输出减振波，可用于航行器降噪静音，相对于结构优化设计、无声推进技术和新材料技术，这种主动减振降噪方法可以在较低的成本要求和空间要求下，实现可靠稳定的降噪效果，提高水下航行器的隐身性能。

关键词：水下航行降噪数据参数主动减振强化学习算法数据模型函数关系式新材料技术成本要求环境参数降噪技术结构优化空间要求强化学习推进技术隐身性能整体振动状态参数航行器减振静音可用噪声采集输出

来源：评论

学校读者我要写书评

暂无评论

一种基于FPGA的A3C深度强化学习算法加速器

一种基于FPGA的A3C深度强化学习算法加速器

引用

作者：葛芬张国辉周芳李梓瑜叶剑涛龚文强王浩吴淑宁 210000 江苏省南京市秦淮区御道街29号

本发明公开了一种基于FPGA的A3C深度强化学习算法加速器，涉及人工智能的深度强化学习技术领域，包括上位机和FPGA加速器，上位机用于提供交互环境；FPGA加速器用于完成智能体推理与训练的计算加速，包括：存储模块；正向计算模块，用... 详细信息

标准号: CN116739054A

本发明公开了一种基于FPGA的A3C深度强化学习算法加速器，涉及人工智能的深度强化学习技术领域，包括上位机和FPGA加速器，上位机用于提供交互环境；FPGA加速器用于完成智能体推理与训练的计算加速，包括：存储模块；正向计算模块，用于完成神经网络的正向推理计算；反向计算模块，用于完成神经网络的反向传播计算；反向输入计算模块，用于完成反向输入图的计算；梯度计算模块，用于计算每一层参数的梯度；RMSProp参数更新模块，用于完成A3C算法中的RMSProp参数更新过程。本发明的加速器相对于通用处理器具有高能效的特点。

关键词：加速器反向输入计算模块神经网络上位机推理正向参数更新模块强化学习算法通用处理器人工智能参数更新存储模块反向传播反向计算交互环境强化学习梯度计算高能效智能体算法

来源：评论

学校读者我要写书评

暂无评论

提高仿真环境中深度强化学习算法训练效率的方法及系统

提高仿真环境中深度强化学习算法训练效率的方法及系统

引用

作者：董舒 211103 江苏省南京市秣陵街道利源南路55号C4栋

本发明公开了提高仿真环境中深度强化学习算法训练效率的方法及系统，包括以下步骤，在仿真环境中定义符合分解场景要求的城镇道路地图；提取所述地图中的道路先验信息和提取档位先验信息；利用卷积神经网络中提取车载相机的图像特征序... 详细信息

标准号: CN111123738B

本发明公开了提高仿真环境中深度强化学习算法训练效率的方法及系统，包括以下步骤，在仿真环境中定义符合分解场景要求的城镇道路地图；提取所述地图中的道路先验信息和提取档位先验信息；利用卷积神经网络中提取车载相机的图像特征序列；将提取的所述先验信息加入到所述车载相机图像特征值序列构成最终特征值序列；所述新特征值序列作为深度强化学习算法模型训练使用的特征值序列；减少所述深度强化学习算法模型需要输出的控制信息；强化所述学习算法模型训练。本发明的有益效果：将场景进行分解，使复杂问题简单化；加入先验知识，减少训练时间。

关键词：特征值序列强化学习算法先验信息车载相机仿真环境模型训练卷积神经网络场景分解城镇道路复杂问题控制信息图像特征先验知识学习算法训练效率档位图像输出

来源：评论

学校读者我要写书评

暂无评论

一种基于强化学习算法的混合业务智能资源调度方法

一种基于强化学习算法的混合业务智能资源调度方法

引用

作者：刘强房圆武赵耀忠张波袁金祥刘跃李国鹏田文明曹鋆程马广玉郭江枫 021114 内蒙古自治区呼伦贝尔市鄂温克族自治旗伊敏河镇

本发明公开了一种基于强化学习算法的混合业务智能资源调度方法，在每个slot初期利用强化学习算法进行eMBB业务的资源调度，通过环境信息预测URLLC的流量模型和抢占模型，减少URLLC业务抢占造成的eMBB业务吞吐量损失。在每个mini‑slot... 详细信息

标准号: CN116234047B

本发明公开了一种基于强化学习算法的混合业务智能资源调度方法，在每个slot初期利用强化学习算法进行eMBB业务的资源调度，通过环境信息预测URLLC的流量模型和抢占模型，减少URLLC业务抢占造成的eMBB业务吞吐量损失。在每个mini‑slot初期利用抢占调度进行URLLC业务的资源调度，从而满足其时延需求。本发明在时隙划分的基础上采用抢占算法为URLLC用户分配频谱资源，同时采用强化学习算法为eMBB用户分配频谱资源，在保证URLLC业务时延需求的同时减少eMBB业务的吞吐量损失，提高系统整体的性能。本发明适用于5G背景下的下行调度场景。

关键词：强化学习算法频谱资源用户分配资源调度吞吐量损失业务吞吐量环境信息混合业务流量模型抢占调度系统整体下行调度业务抢占业务时延智能资源算法场景调度预测保证

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：