搜索结果: 76-90 共查到“知识库 知识工程”相关记录341条 . 查询时间(3.864 秒)
基于随机粗糙样本的统计学习理论研究
随机粗糙经验风险最小化原则 关键定理 一致收敛速度的界
2009/7/16
介绍随机粗糙理论的基本内容。提出随机粗糙经验风险泛函，随机粗糙期望风险泛函，随机粗糙经验风险最小化原则等概念。最后证明基于随机粗糙样本的统计学习理论的关键定理并讨论学习过程一致收敛速度的界。
基于先验知识的改进强化学习及其在MAS中应用
先验知识 内在激励 强化学习
2009/7/16
针对传统的多Agent强化学习算法中，Agent学习效率低的问题，在传统强化学习算法中加入具有经验知识的函数；从心理学角度引入内部激励的概念，并将其作为强化学习的激励信号，与外部激励信号一同作用于强化学习的整个过程。最后将此算法运用到RoboCup仿真中，仿真结果表明该算法的学习效率和收敛速度明显优于传统的强化学习。
基于样本学习的广义粗糙集知识约简
粗糙集 相对值条件互信息 主动学习
2009/7/16
由于条件属性在各样本的分布特性和所反映的主观特性的不同，每一个样本对应于真实情况的局部映射。建立了粗糙集理论中样本知识与信息之间的对应表示关系，给出了由属性约简求约简决策表的方法。基于后离散化策略处理连续属性，实现离散效率和信息损失之间的动态折衷。提出相对值条件互信息的概念衡量单一样本中各条件属性的相关性，可以充分利用现有数据处理不完备信息系统。即使在先验知识不足的情况下，也能通过主动学习构造新的...
基于支持向量机特征选择的贝叶斯网结点序
贝叶斯网络 支持向量机 特征选择
2009/7/15
目前较常采用搜索打分方法进行贝叶斯网络结构学习，该方法需要首先依据参与者的经验来确定网络的结点顺序，主观性较强，限制了它的实际应用。基于支持向量机特征选择的方法，可以按照各个结点对叶结点的影响能力进行排序，从而直接从数据中通过学习得出结点顺序，避免了人为因素的影响。实验结果验证了该方法的有效性。
基于最小二乘的Q（λ）强化学习算法
函数逼近 最小二乘 倒立摆
2009/7/15
通过分析经典的Q（λ）学习算法所存在的经验利用率低、收敛速度慢的问题，根据当前和多步的经验知识样本建立了状态-动作对值函数的最小二乘逼近模型，推导了该逼近函数在一组基底上的权向量所满足的一组线性方程，从而提出了快速而实用的最小二乘Q（λ）算法及改进的递推算法。倒立摆实验表明，该算法可以提高经验利用率，有效加快收敛速度。
结晶器液位专家系统控制研究
神经网络 结晶器 液位控制
2009/7/15
针对传统的结晶器液位控制系统方案存在缺点，根据对象机理，比较了塞棒比例积分（PI）控制和拉速PI控制和对结晶器液位控制效果，分析了塞棒PI控制液位存在的问题，设计了基于径向基函数神经网络（RBFNN）的塞棒控制器和拉速补偿器。使用规则模型，研究了基于专家系统的塞棒和拉速控制液位的协调控制系统，解决了液位控制器切换存在的干扰。系统在MATLAB上进行了仿真，并在实际中进行了测试。实际测试结果表明该系...
局部合作多智能体Q－学习研究
强化学习 Q-学习 局部合作
2009/7/15
强化学习在多Agent系统中面对的最大问题就是随着Agent数量的增加而导致的状态和动作空间的指数增长以及随之而来的缓慢的学习效率。采用了一种局部合作的Q-学习方法，只有在Agent之间有明确协作时才考察联合动作，否则，就只进行简单的个体Agent的Q-学习，从而使的学习时所要考察的状态动作对值大大减少。最后算法在捕食者-猎物的追逐问题和机器人足球仿真2D上的实验结果，与常用的多Agent强化学习...
局部相对位姿空间内轮式月球车的避障策略学习
月球车 避障 相对位姿 机器学习
2009/7/15
提出了一种轮式月球车的避障学习方法。首先列出了BH2月球车的动力学方程，并将避障行为解释为沿子目标点行走的过程。然后在月球车视觉局部范围内进行避障策略学习，选择车体、子目标点和障碍之间的相对位置矢量为学习过程的状态量，使策略学习对环境变化有鲁棒性；选择车轮的转向力矩为控制输入，降低了学习复杂度。实验证明此方法对环境变化有很好的适应能力。
利用概念属性的约束关系构建本体论概念层次
概念层次 存在约束 布尔方程
2009/7/14
本体论概念层次构建是本体论工程的重要任务之一。通过分析本体论概念属性间的约束关系，借助于布尔方程衍生概念属性间的存在约束，提出了根据概念属性间存在约束关系构建本体论概念层次的方法，并在此基础上给出了本体论概念层次的维护算法。
模糊C-均值算法在直觉模糊数聚类中的应用
直觉模糊集 模糊C-均值聚类 聚类有效性函数
2009/7/14
提出了直觉模糊数的非监督模糊C-均值聚类算法。该算法首先定义了直觉模糊数之间的距离，其次构造了直觉模糊数聚类问题的目标函数，最后得到了直觉模糊数聚类的模糊C-均值聚类算法，聚类中心初始化方法，以及相关的聚类有效性函数。实验结果表明，该算法是有效的。
受噪声影响的复gλ样本的学习理论的关键定理
噪声 经验风险最小化原则 关键定理
2009/7/10
关键定理是统计学习理论的重要组成部分。但是，目前的研究主要集中在实随机变量且样本不受噪声影响。引入了复gλ随机变量、准范数的定义，提出了受噪声影响的复gλ样本的经验风险泛函、期望风险泛函以及经验风险最小化原则严格一致性的定义；给出并证明了受噪声影响的复gλ样本的学习理论的关键定理，为系统建立基于复gλ样本的统计学习理论奠定了理论基础。
一种基于动态参数调整的强化学习动作选择机制
Q学习 动作选择 ε-greedy机制
2009/7/8
强化学习是一种重要的无监督机器学习技术，它能够利用不确定的环境下的奖赏发现最优的行为序列，实现动态环境下的在线学习，被广泛地应用到Agent系统当中。应用强化学习算法的难点之一就是如何平衡强化学习当中探索和利用之间的关系，即如何进行动作选择。结合Q学习在ε-greedy策略基础上引入计数器，从而使动作选择时的参数ε能够分阶段进行调整，从而更好地平衡探索和利用间的关系。通过对方格世界的实验仿真，证明...
一种基于知识约简的Petri网模型简化方法
产生式规则 知识约简 简化方法
2009/7/8
提出一种基于知识约简的Petri网模型简化方法，利用知识约简中的属性约简方法，去除Petri网对应的产生式规则的冗余规则和冗余条件，简化产生式规则得出关键规则。经过知识约简后的规则库转化为Petri网模型，此时的Petri网模型的结点数目减少，因此在一定程度上降低了网系统的复杂程度。简化后的模型保持原有的信息量，而所含的库所、变迁得到了减少，在其基础上进行的知识推理，更加简单和高效。最后通过一个病...
在单向FP-tree上挖掘频繁闭项集
频繁闭项集 单向FP-tree 被约束子树
2009/7/6
频繁闭项集提供了频繁项集的一种完整的、最小表示。针对稠密数据集，提出一种基于单向FP-tree的频繁闭项集挖掘算法Unid_FP-FCI。该算法在挖掘过程中只生成被约束子树，而它是一种虚拟的树结构，在原有的单向FP-tree基础上用三个很小的数组来表示，因而避免了以往算法需递归构造条件FP-tree来计算频繁闭项集的弊端，极大地降低了内存空间和时间开销，提高了挖掘效率。
...