搜索结果: 1-15 共查到“信息科学与系统科学 Q-学习”相关记录86条 . 查询时间(0.283 秒)
同义词挖掘是自然语言处理中一项重要任务.为了构建大规模训练语料,现有研究利用远程监督、点击图筛选等方式抽取同义词种子,而这几种方式都不可避免地引入了噪声标签,从而影响高质量同义词挖掘模型的训练.此外,由于大量实体词所具有的少样本特性、领域分布差异性和预训练词向量训练目标与同义词挖掘任务的不一致性,在同义词挖掘任务中,词级别的预训练词向量很难产生高质量的实体语义表示。
镉是我国农田土壤污染的首要污染物，威胁农产品质量安全。稻米是我国人群膳食镉摄入的最主要来源。大尺度的土壤与稻米协同采样调查发现，稻米镉与土壤镉以及土壤性质间的量化关系较差（R2通常低于0.2），时常存在“土壤镉超标而稻米不超标，或土壤镉不超标但稻米超标”的现象，这给污染耕地质量类别划分和风险评估带来很大的不确定性。
基于因果建模的强化学习技术在智能控制领域越来越受欢迎.因果技术可以挖掘控制系统中的结构性因果知识,并提供了一个可解释的框架,允许人为对系统进行干预并对反馈进行分析.量化干预的效果使智能体能够在复杂的情况下(例如存在混杂因子或非平稳环境)评估策略的性能,提升算法的泛化性.本文旨在探讨基于因果建模的强化学习控制技术(以下简称因果强化学习)的最新进展,阐明其与控制系统各个模块的联系。
中国科学院沈阳分院海洋所构建基于深度学习的印尼贯穿流人工智能反演和预测系统（图）
海洋所 印尼贯穿 预测系统
2023/5/10
023年1月17日，中科院海洋所胡敦欣院士团队、王凡研究员团队与南京信息工程大学董昌明教授团队合作，利用深度学习方法，成功构建了印尼贯穿流的反演和预测系统，实现了对印尼贯穿流流量的有效预测。相关成果在海洋领域学术期刊Frontiers in Marine Science发表。
苏州医工所董建飞课题组在数据驱动的学习控制方面取得研究进展（图）
董建飞 数据驱动 学习控制 传递函数
2023/7/21
随着机器学习技术的飞速发展，各种学习方法被提出并成功应用于图像识别、学习控制等领域。其中，学习控制的典型方法包括迭代学习控制（ILC）、高斯混合学习控制、强化学习控制等。比如，迭代学习控制方法常被用于控制许多批处理模式的动态过程，并已被成功应用于化工生产和工业机器人等。然而，理论界之前尚未研究这种控制方法针对从数据中获取的参数的随机误差的鲁棒收敛性问题。
随机配置网络(Stochastic configuration networks,SCNs)在增量构建过程引入监督机制来分配隐含层参数以确保其无限逼近特性,具有易于实现、收敛速度快、泛化性能好等优点.然而,随着数据量的不断扩大,SCNs的建模任务面临一定的挑战性.为了提高神经网络算法在大数据建模中的综合性能,本文提出了一种混合并行随机配置网络(Hybrid parallel stochastic ...
2021年5月14日-16日，由中国自动化学会数据驱动控制、学习与优化专业委员会和青岛大学共同主办，苏州科技大学承办、IEEE北京分会协办的IEEE第十届数据驱动控制与学习系统会议（2021 IEEE 10th Data Driven Control and Learning Systems Conference，DDCLS’21）在江苏苏州同里湖大饭店成功召开。本次会议吸引了本领域的知名专家、学...
数据驱动与迭代学习论坛在青岛大学国际会议中心举行（图）
数据驱动与迭代 人工智能等技术
2022/5/26
2021年6月6日，“数据驱动与迭代学习论坛”在青岛大学国际会议中心402会议室召开。本次论坛邀请到了江南大学刘飞教授、浙江工业大学孙明轩教授、山东科技大学王友清教授、浙江工业大学刘毅教授、中国石油大学赵东亚教授作为主讲嘉宾，集中讨论了随着信息通讯、网络、大数据和人工智能等技术的飞速发展，系统科学与控制科学领域面临的挑战与机遇，并对系统科学与控制科学的未来发展趋势进行了深入的研讨。论坛由青岛大学车...
北京大学信息科学技术学院电子学系雷易鸣、北京大学第三医院妇产科郭红燕与合作者在基于机器学习辅助的人类卵巢癌耐药性预测方法研究领域取得重要进展（图）
基因相互作用 蛋白质结构 基因测序技术 信息领域 人类卵巢癌耐药性
2021/9/1
基因相互作用是指个体基因与其他基因共同影响蛋白质结构和生物学过程的现象，对于揭示基因及其对应蛋白质之间的功能关系有着重要作用。在复杂疾病的基因研究中，基因相互作用一直以来都是较大的难点。在基因测序技术快速发展的今天，如何利用有限样本数量对化疗耐药性和大量基因之间定量关系进行准确预测，不但是临床医生关注的重要问题，也成为医学和信息领域交叉研究的重要课题。
基于相似历史信息迁移学习的进化优化框架
进化优化 迁移学习 粒子群优化 模型匹配
2024/1/23
现有进化算法大都从问题的零初始信息开始搜索最优解,没有利用先前解决相似问题时获得的历史信息,在一定程度上浪费了计算资源.将迁移学习的思想扩展到进化优化领域,本文研究一种基于相似历史信息迁移学习的进化优化框架.从已解决问题的模型库中找到与新问题匹配的历史问题,将历史问题对应的知识迁移到新问题的求解过程中,以提高种群的搜索效率.首先,定义一种基于多分布估计的最大均值差异指标,用来评价新问题与历史模型之...
中国人民大学数学学院沈栋教授课题在含衰减信道的学习控制理论方面取得系列进展
中国人民大学数学学院 沈栋 教授 衰减信道 学习控制理论
2020/12/31
人类在处理重复型任务时可以越做越好，这其中的原理在于人类可以从之前的经验教训中学习。将这一基本学习原理应用到复杂系统的控制中就产生了学习控制理论。另一方面，现实中的复杂系统往往采用网络化结构以提升鲁棒性、可扩展性、易实现性，而信号在无线传输过程中由于折射、反射与散射，往往会呈现随机衰减的性质。这种随机衰减性质在数学上可以用一个乘性的随机变量进行刻画，其给学习控制理论带来的主要困难体现在所获取的信号...
Stokes-Einstein(SE)关系的失效是液体玻璃化转变过程中的特征动力学行为之一，其背后的物理机制一直是凝聚态和非平衡统计领域近些年的热议话题。研究表明，在液体玻璃化过程中，玻璃转变点附近异常缓慢的动力学行为，以及实验系统中可能的微小晶粒析出相都有可能对体系扩散系数与弛豫时间（或黏滞系数）之间的耦合关系产生影响；这种扩散系数与弛豫时间之间的退耦合现象也可从热力学的角度加以理解，例如在相空...
提出了一种基于深度学习的细粒度图像推荐算法。首先使用分类模型对杂乱无章的数据集进行分类，然后使用改进KNN聚类算法对数据集进行初选，再通过深度学习VGG-16网络进行训练，并在经典军事目标训练集数据集MSTAR对所提算法进行验证。实验表明，提出的算法和目前其他推荐算法相比，准确率有所提高，具有较好的鲁棒性。
2019年12月6日，在英国温彻斯特举行的第13届IFAC自适应和学习控制系统研讨会上，陈翰馥院士“因其对自适应控制、辨识和随机逼近的杰出技术贡献以及对IFAC的卓越服务”（For outstanding technical contributions to adaptive control, identification and stochastic approximation, and for...
基于深度迁移学习的窄带雷达群目标识别方法
群目标 窄带雷达 深度迁移学习 Inceptionv3 回波显影 识别研判
2020/7/24
针对窄带雷达群目标显影特征难提取、数据样本数量少及识别实时性要求高的问题，提出基于深度迁移学习的窄带雷达群目标识别方法，将深度学习模型Inceptionv3迁移到群目标回波显影数据上，使得模型能够很好地区分群目标回波显影，从而实现群目标的识别，为窄带雷达群目标智能化研判识别提供借鉴。经验证，该方法能满足窄带雷达对群目标的识别应用要求。