导读:本文包含了智能学习模型论文开题报告文献综述及选题提纲参考文献，主要关键词:个性化路径推荐,人工神经网络算法,蚁群算法
智能学习模型论文文献综述
申云凤[1]（2019）在《基于多重智能算法的个性化学习路径推荐模型》一文中研究指出基于多重智能算法的个性化学习路径推荐能够有效解决在线用户学习迷途问题,从而实现对在线用户学习进行动态指导和控制。该文以在线学习行为分析为基础,依据推荐流程,建构出个性化学习路径推荐模型。在尊重学习用户个体化差异前提下,引入人工神经网络分类和蚁群优化路径推荐等多重智能型算法。并且在个性化学习路径推荐实现环节,采用协同过滤推荐和蚁群算法相结合,有效避免了协同过滤推荐的马太效应问题,以便降低不同学习用户群的差距。(本文来源于《中国电化教育》期刊2019年11期）
刘双庆[2]（2019）在《基于LSTM深度学习模型的智能下肢假肢运动意图识别》一文中研究指出传统下肢假肢运动意图识别常用多模态传感器采集残肢侧运动信息,通过手动提取特征,带有一定的复杂性以及转换模式识别具有滞后性。提出了一种基于端到端的深度学习智能下肢假肢运动意图识别方法,重新定义了单侧下肢截肢者的运动模式,采用单惯性传感器,采集健肢侧位于摆动相的时序数据,选用长短时记忆神经网络自动提取特征,并对下肢假肢运动意图进行识别。实验结果表明,5类稳态模式:平地行走、上楼、下楼、上坡和下坡的识别率为98. 17%,加入8类转换模式后,识别率达到96. 68%。提出的方法在下肢假肢识别性能上有较大提升,帮助截肢者实现流畅、稳定的行走,同时也验证了长短时记忆网络的泛化能力较强。(本文来源于《合肥学院学报(综合版)》期刊2019年05期）
任雪,郭艳[3]（2019）在《基于主动集成学习的中医智能诊断模型及构建方法》一文中研究指出作为医学和人工智能的交叉学科,智能诊断技术无论在学术界还是产业界都得到广泛关注。与基于标准化西医的智能诊断有所不同,以辨证论治为原则的中医个性化诊疗理念不同于西医,使得中医智能诊断面临有效训练样本缺失和机器学习模型失真等问题。本文提出了一种基于主动集成学习的中医智能诊断模型及其构建方法,该模型既可通过主动学习机制得到具有因人而异的个性分析能力的诊断分类器,也将多个不同机器学习的模型进行集成训练,获得更为准确的中医知识学习模型。首先将不同来源的中医病历进行大规模数据提取和组织,形成统一视图下的结构化中医数据库。然后以儿科常见病肺炎喘嗽为例,验证了基于主动集成学习的中医智能诊断模型的准确率明显高于机器学习方法,是一种新型、有效的中医诊疗机器学习模型。(本文来源于《中国循证医学杂志》期刊2019年09期）
余伶俐,邵玄雅,龙子威,魏亚东,周开军[4]（2019）在《智能车辆深度强化学习的模型迁移轨迹规划方法》一文中研究指出针对智能驾驶车辆传统路径规划中出现车辆模型跟踪误差和过度依赖问题,提出一种基于深度强化学习的模型迁移的智能驾驶车辆轨迹规划方法.首先,提取真实环境的抽象模型,该模型利用深度确定性策略梯度(DDPG)和车辆动力学模型,共同训练逼近最优智能驾驶的强化学习模型;其次,通过模型迁移策略将实际场景问题迁移至虚拟抽象模型中,根据该环境中训练好的深度强化学习模型计算控制与轨迹序列;而后,根据真实环境中评价函数选择最优轨迹序列.实验结果表明,所提方法能够处理连续输入状态,并生成连续控制的转角控制序列,减少横向跟踪误差;同时通过模型迁移能够提高模型的泛化性能,减小过度依赖问题.(本文来源于《控制理论与应用》期刊2019年09期）
窦育民[5]（2019）在《基于统计学习的网络舆情智能决策系统模型研究》一文中研究指出社会不稳定因素造成网络舆情频繁发生。为应对网络舆情处理不及时发酵为公共事件,文章提出了以统计模式学习方法为基础构建的智能决策系统模型。系统由底向上,详细介绍了原始数据采集、清洗方法,数据处理的复杂过程,利用机器学习、大数据技术进行预测、识别和知识挖掘,根据社会需求提供相应的决策服务模式。(本文来源于《无线互联科技》期刊2019年17期）
周翔[6]（2019）在《机器学习模型在司法智能系统开发中的应用——羁押必要性评估智能系统研发侧记》一文中研究指出在我国,与刑事案件庭前羁押率过高的问题作斗争已旷日持久。与国内学界给出的加强司法审查的制度改革路径相比,英美法系国家尝试用更多技术的手段以增强案件的辨别能力。本智能系统的开发主要着眼后者,即以过往司法大数据为语料,训练一个能够提供是否羁押的建议、取保候审的风险指数、相似案例推送等叁大能力与一体的辅助审查工具。优化模型表现,该辅助工具需要在指标体系完善、提高案件标签质量、分类步骤精细化等多方面进一步提升。(本文来源于《《上海法学研究》集刊（2019年第9卷 总第9卷）》期刊2019-08-30）
张进良,叶求财[7]（2019）在《大数据视阈下学习资源智能推荐模型构建》一文中研究指出借助大数据和人工智能提供的技术基础和思维框架,构建了以学习者大数据分析和学习资源大数据分析为基础、以智能推荐引擎为核心、以个性化资源服务为目的的学习资源智能推荐模型。该模型由数据源模块、学习者分析模块、学习资源分析模块、智能推荐引擎模块和个性化服务模块等六部分组成。该模型既关注对学习者的知识水平、学习行为、学习风格、学习兴趣等方面的大数据分析,又关注对学习资源的属性、类型、效能、进化等方面的大数据分析,还注重学习资源检索Agent、匹配Agent、管理Agent、算法优化Agent和推荐Agent的协同工作,该模型具有适应性、个性化和易用性等特征。(本文来源于《湖南科技大学学报(社会科学版)》期刊2019年04期）
张伟,邱志刚,张焕清[8]（2019）在《无监督学习的潜艇模型智能简化策略》一文中研究指出针对潜艇运动方程复杂、耦合性强,水动力系数测量周期长等问题,引入了水动力系数敏感性指数,量化水动力系数对潜艇姿态的影响程度。在简化传统直接阈值法的基础上,提出了基于无监督学习K-means聚类的阈值聚类法。利用9个特征参数简化潜艇运动方程。研究结果表明:在简化项数相同时,阈值聚类法的特征参数中,除战术回转直径外,其余8个特征参数的误差均小于或者等于直接阈值法,且阈值聚类法的最大误差为3.850%,最小误差仅为0.008 3%。(本文来源于《河南科技大学学报(自然科学版)》期刊2019年06期）
彭华,李祥,廖鸿存[9]（2019）在《智能投顾之“智”——基于大数据与机器学习的模型建设》一文中研究指出智能投顾(Robo-Advisor)又称"机器人理财",是2017年开始在国内流行的一种新兴投资方式,是计算机根据客户自身需求,通过算法和产品的组合为客户提供投资顾问服务。智能投顾流程包括用户画像、资产配置、组和构建、交易执行以及再平衡五大步骤,市面上的各类智能投顾(本文来源于《中国金融电脑》期刊2019年07期）
王昕睿[10]（2019）在《基于机器学习的房产智能自动评估模型的研究与系统实现》一文中研究指出自动评估模型作为房产估价的核心,应具备以下特点:1)数据质量高:数据决定了模型的上限,而且房产评估的可比案例要求可信;2)特征的选取和量化方法合理:影响房地产价值的特征因素的选取和量化需要符合中国房地产市场数据的特点;3)模型精度高:房产价格受多种因素的影响,但需要对其价格进行准确的评估。但是在现有研究中,还存在缺乏房产数据质量提升的研究、影响房产价格的特征因素体系不够完善、模型研究局限在验证单模型有效性的问题。针对以上问题,本文具体研究内容如下:1)基于多相似度估算器的房源重复记录识别模型:解决从不同房源抽取出的房产记录信息存在严重的重复房源问题;2)基于房价特征因素体系的特征提取及量化方法:解决国内房价特征因素体系不够完善,因估价人员的主观因素影响估价精度的问题;3)基于多层级模型融合的自动评估模型:解决由于房产价格受多种因素的影响,而且房产分区难以合理划分,导致模型建模复杂、精度不高的问题。基于上述研究内容,本文在已有爬虫和地址治理能力的基础上,实现了较高精度、可落地的房产批量评估系统,估价精度指标MAPE达到9.3 8%,具体包括以下模块:1)房源重复识别模块:实现了基于多相似度估算器的房源重复记录识别模型的封装和接口调用;2)特征工程模块:实现了基于房价特征因素体系的特征提取及量化,并可根据配置对特征进行预处理;3)自动评估模块:实现了基于多层级模型融合的自动评估模型的封装和接口调用。4)模型迭代模块:实现模型定期迭代更新机制,解决房价受时间因素影响的问题。(本文来源于《北京邮电大学》期刊2019-06-01）
智能学习模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
传统下肢假肢运动意图识别常用多模态传感器采集残肢侧运动信息,通过手动提取特征,带有一定的复杂性以及转换模式识别具有滞后性。提出了一种基于端到端的深度学习智能下肢假肢运动意图识别方法,重新定义了单侧下肢截肢者的运动模式,采用单惯性传感器,采集健肢侧位于摆动相的时序数据,选用长短时记忆神经网络自动提取特征,并对下肢假肢运动意图进行识别。实验结果表明,5类稳态模式:平地行走、上楼、下楼、上坡和下坡的识别率为98. 17%,加入8类转换模式后,识别率达到96. 68%。提出的方法在下肢假肢识别性能上有较大提升,帮助截肢者实现流畅、稳定的行走,同时也验证了长短时记忆网络的泛化能力较强。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
智能学习模型论文参考文献
[1].申云凤.基于多重智能算法的个性化学习路径推荐模型[J].中国电化教育.2019
[2].刘双庆.基于LSTM深度学习模型的智能下肢假肢运动意图识别[J].合肥学院学报(综合版).2019
[3].任雪,郭艳.基于主动集成学习的中医智能诊断模型及构建方法[J].中国循证医学杂志.2019
[4].余伶俐,邵玄雅,龙子威,魏亚东,周开军.智能车辆深度强化学习的模型迁移轨迹规划方法[J].控制理论与应用.2019
[5].窦育民.基于统计学习的网络舆情智能决策系统模型研究[J].无线互联科技.2019
[6].周翔.机器学习模型在司法智能系统开发中的应用——羁押必要性评估智能系统研发侧记[C].《上海法学研究》集刊（2019年第9卷总第9卷）.2019
[7].张进良,叶求财.大数据视阈下学习资源智能推荐模型构建[J].湖南科技大学学报(社会科学版).2019
[8].张伟,邱志刚,张焕清.无监督学习的潜艇模型智能简化策略[J].河南科技大学学报(自然科学版).2019
[9].彭华,李祥,廖鸿存.智能投顾之“智”——基于大数据与机器学习的模型建设[J].中国金融电脑.2019
[10].王昕睿.基于机器学习的房产智能自动评估模型的研究与系统实现[D].北京邮电大学.2019