导读:本文包含了智能学习和智能决策论文开题报告文献综述及选题提纲参考文献，主要关键词:电磁频谱,强化学习,智能干扰,MDP
智能学习和智能决策论文文献综述
裴绪芳,陈学强,吕丽刚,张双义,刘松仪[1]（2019）在《基于随机森林强化学习的干扰智能决策方法研究》一文中研究指出电磁频谱的主导权是现代化电子战制胜的关键。传统的通信对抗中干扰方的干扰模式相对固定单一,干扰效率低下。因此,研究频谱对抗环境中利用强化学习智能选择干扰信道策略对用户通信进行干扰,将干扰方的信道决策过程建模为一个马尔科夫决策过程(Markov Decision Making Process,MDP),并提出了一种基于随机森林强化学习的智能干扰算法。仿真结果表明,与文献[10]所提的智能干扰算法和基于感知的随机信道选择算法相比,所提随机森林强化学习算法干扰收敛速度最快。通过在线自主学习,干扰方可以快速寻找到用户的通信规律,对用户通信实施有效干扰。(本文来源于《通信技术》期刊2019年09期）
窦育民[2]（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）
刘胜娃,孙俊明,高翔,王敏[3]（2019）在《基于机器学习与态势感知技术的钻井液大数据分析与智能决策支持平台建设》一文中研究指出如何科学地管理和使用钻井液对提高钻井效率,降低钻井成本具有重要意义。长期以来,国内钻井企业在施工中使用钻井液主要依靠专家的个人经验知识,缺乏数据支撑。长庆钻井进行了长期的信息化建设,收集并积累了海量的钻井液使用历史数据,这些数据中隐藏着丰富的指导钻井液科学管理和使用知识。文中项目的目标是建设国内首创的钻井液大数据分析与智能决策支持平台,利用当前新兴的物联网通信、智能终端、云计算与大数据分析处理技术,收集、挖掘、整理出数据中隐藏的知识,结合态势感知和人工智能方法为井队提供科学准确使用钻井液,规避与处理风险的辅助决策功能。经试点单位实际使用后,实践结果表明,该平台功能丰富,操作方便,人机界面效果良好,数据分析结果准确可靠,自动化和智能化水平较高,能切实为钻井人员提供科学的技术支持及优秀的方案建议,可有效预测、解决生产现场的问题,较显着地节约了钻井成本。(本文来源于《物联网技术》期刊2019年05期）
杜东科,朱立东[4]（2019）在《基于强化学习的卫星通信智能抗干扰决策》一文中研究指出本文针对音频干扰、窄带干扰、扫频干扰及其两两迭加的复合干扰,研究智能抗干扰决策。在一段时间内,基于强化学习的智能决策系统对某一固定的干扰类型进行决策。智能决策系统通过选择合适的频段、发送功率以及调制方式来优化目标。优化目标除了低误比特率外,还包括更高的通信速率以及更低的发送功率。理论分析和仿真结果表明,基于强化学习的智能抗干扰决策技术可以提高卫星通信系统抗干扰能力。(本文来源于《第十五届卫星通信学术年会论文集》期刊2019-03-07）
杨楠,叶迪,林杰,黄禹,董邦天[5]（2019）在《基于数据驱动具有自我学习能力的机组组合智能决策方法研究》一文中研究指出在能源技术变革日新月异、人工智能技术快速发展的背景下,研究具有高适应性、高精度的机组组合决策方法具有重要意义。该文基于长短时记忆网络,通过构建面向机组组合问题的深度学习模型,提出一种基于数据驱动具有自我学习能力的机组组合智能决策方法。首先基于K-means算法对历史调度数据进行聚类预处理;然后构建基于长短时记忆网络的机组组合深度学习模型,通过历史数据训练建立系统负荷与调度决策结果之间的映射模型,以此为基础进行机组组合决策;最后通过积累历史数据实现对模型的持续修正,从而赋予其自我进化、自我学习的能力。基于标准算例、实际电网数据的一系列仿真结果表明:相比于传统决策方法,该方法不仅可以在实际使用过程中不断提升其决策精度或效率,且在面对不同类型的机组组合问题时适应性更好。(本文来源于《中国电机工程学报》期刊2019年10期）
欧微,李卫军,廖鹰[6]（2018）在《基于深度学习的兵棋实体决策效果智能评估模型》一文中研究指出构建仿真实体的智能决策模型,将有效提高兵棋推演的可信度和沉浸感,而决策效果评估模型是仿真实体智能决策模型的关键模块。针对兵棋系统中仿真实体决策推理的复杂性和时效性要求,提出一种基于典型深度学习模型——堆栈自编码器的智能评估模型,旨在通过模拟人类决策推理的思维模式和学习作战决策的知识经验,实现对决策效果的快速准确评估;引入噪声训练和稀疏性限制,提升模型的鲁棒性和泛化能力。通过仿真实验,验证了模型的科学性和有效性。(本文来源于《军事运筹与系统工程》期刊2018年04期）
周戎[7]（2018）在《基于Q学习的RoboCup多智能体决策优化》一文中研究指出多智能体系统(multi-gent system,MAS)一直是人工智能研究的热点领域。为了解决多智能体在弱通信环境中无法做出有效决策以及在巨大灾难环境中多智能体遇到的“维数灾难”这两个问题,从而提高智能体学习和决策能力,本文提出从以下叁个方面对智能体决策进行优化:(1)基于动态模糊决策树的弱通信状态下的智能体决策优化;(2)基于支持向量机的单智能体Q学习优化;(3)基于经验交互与信度分配的多智能体Q学习优化。本文的工作和创新点为以下几点:(1)基于动态模糊决策树的弱通信状态下的智能体决策优化:该方法将智能体决策所需的繁多的条件简化成几个重要条件,然后离散化因通信质量差而变得模糊的信息,补齐缺失信息,构建动态模糊决策树,并对其中过拟合的枝节进行剪枝,获得动态模糊决策树。以解决在弱通信条件下,因通信信息模糊、缺失导致智能体无法正确决策的问题。(2)基于支持向量机的单智能体Q学习优化:该方法构建了SVM支持向量机,来拟合_tQ值与当前动作a_t,当前状态s_t的函数曲线,从而通过输入当前动作a_t,,当前状态s_t构成的动作—状态对,可以直接得出当前Q值_tQ,避免了因状态空间过于复杂,无法构建Q值查询表的问题。此外采用时间窗机制,随着时间进行,在线滚动SVM支持向量机,保证了SVM可以实现动态在线学习,并通过KKT条件检测获取的Q值保证SVM支持向量机总是能向更准确的方向滚动。(3)基于经验交互与信度分配的多智能体Q学习优化:该方法提出了由多智能体共同更新一张共有Q值表的方式来实现多智能体的Q学习,并且根据人类交互经验,提出前期智能体多从自身的Q值表获取经验,随着时间推移,越来越多地从共有Q值表获取经验。并且构造了根据具体环境构造了结构信度函数和时间信度函数,将整体回报信号根据不同的贡献以信度分配的方式分配给智能体。构建同构智能体的共有以上叁种方法均在RoboCup救援仿真系统平台(RoboCup Rescue Simulation System,RCRSS)上做了应用,取得了不错的成绩。(本文来源于《南京邮电大学》期刊2018-11-14）
王亚辉,余隋怀,陈登凯,初建杰,刘卓[8]（2019）在《基于深度学习的人工智能设计决策模型》一文中研究指出为了消除设计决策者决策偏好对产品开发的影响,进一步提升设计决策效率,提出了ResNet人工智能设计决策模型。该模型基于人工智能思想,构建了基于产品造型语义的设计历史方案数据集,并对该数据集进行了产品造型语义标注。通过深度残差学习网络算法(ResNet)对数据集进行不断训练来提高设计决策的准确度,将一般设计决策问题转化为设计方案图像的语义识别问题,最大限度地消除了决策者决策偏好的影响。通过起重机造型设计决策实例,验证了ResNet人工智能设计决策算法的有效性和可行性。(本文来源于《计算机集成制造系统》期刊2019年10期）
张文娟[9]（2018）在《基于机器学习的混合物双峰智能决策系统》一文中研究指出信息化时代,计算机技术、网络技术和通信技术被广泛的应用。培养、发展以计算机为主的智能化工具在各个领域能带来很大的作用。传感器技术作为信息获取与信息转换的重要的手段,与各个学科相互结合,渗透到各个领域的应用。用于物质成分检测的电化学传感器技术具有灵敏度高、仪器简单易操作、检测成本低以及可在线分析等优点,是近年来分析方法的一个重要研究方向。许多物质因为结构性质相似,用电化学传感器在实际样品的检测中相互之间容易产生干扰,成功的区分这类物质一直是电化学检测技术重点研究的方向。本文选取两种性质相似、电位靠近的嘌呤——腺嘌呤(A)和次黄嘌呤(Hx)为研究对象,以碳纳米管材料为修饰电极构建伏安检测传感器装置,对这两种物质进行了同时检测实验并对其结果进行了进一步的研究。峰值电位靠近的两种物质在伏安检测实验中会出现峰形重迭的情况,为了更好地进行实验数据分析,研究重迭峰分离的方法技术是很有必要的。研究人员表明分数阶导能有效地对重迭峰进行分离。本文考虑到腺嘌呤和次黄嘌呤的响应峰是重迭的两个峰形,尝试将半阶导技术运用到图形上的双峰分离处理上,实现对实验数据的预处理。将实验数据用半阶导算法处理后,用图形对比的方法,证明了半阶导技术预处理后的数据是可以用的。在电化学传感器检测实验的基础上,将电化学传感器检测技术与计算机技术相结合,利用支持向量机(SVM)算法构建了 A和Hx同时检测实验结果的判别系统,用于智能化分析处理检测实验得到的数据。本文基于SVM算法构建的系统成功的实现了对不同检测结果的智能化判别。将半阶导算法处理后的数据导入到系统后,进行智能化判别A、Hx同时检测的结果,以达到智能化差别、减少人为干预的目的。为了在数据处理过程中,使处理过程变得简捷高效,本文采用了 K-means算法,K-means算法是很典型的基于距离的聚类算法,采用距离作为相似性的评价指标。为了评估构建的传感器在测试实验中的稳定性,本文在进行多次试验后,结合K-means算法将这些数据聚类分析,成功判断数据的稳定性,结果表明本系统在对A、Hx同时检测的数据进行分离预处理、智能差别及实验方法稳定性评估方法的有效性,为电化学检测的智能化提供了方向。(本文来源于《江西农业大学》期刊2018-06-01）
张晓海,操新文[10]（2018）在《基于深度学习的军事智能决策支持系统》一文中研究指出Alpha Go的出现使得深度学习模型受到广泛关注。深度学习以其出色的特征提取、多层学习和表达能力,为军事智能决策支持系统的研究提供了新的思路。介绍了深度学习关键技术,通过回顾国内外军事智能决策支持系统的发展历程,介绍了深度学习在军事领域的应用,分析了智能辅助决策技术的发展趋势以及面临的挑战,并进行了总结和展望。(本文来源于《指挥控制与仿真》期刊2018年02期）
智能学习和智能决策论文开题报告
（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：
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。
（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。
智能学习和智能决策论文参考文献
[1].裴绪芳,陈学强,吕丽刚,张双义,刘松仪.基于随机森林强化学习的干扰智能决策方法研究[J].通信技术.2019
[2].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
[3].刘胜娃,孙俊明,高翔,王敏.基于机器学习与态势感知技术的钻井液大数据分析与智能决策支持平台建设[J].物联网技术.2019
[4].杜东科,朱立东.基于强化学习的卫星通信智能抗干扰决策[C].第十五届卫星通信学术年会论文集.2019
[5].杨楠,叶迪,林杰,黄禹,董邦天.基于数据驱动具有自我学习能力的机组组合智能决策方法研究[J].中国电机工程学报.2019
[6].欧微,李卫军,廖鹰.基于深度学习的兵棋实体决策效果智能评估模型[J].军事运筹与系统工程.2018
[7].周戎.基于Q学习的RoboCup多智能体决策优化[D].南京邮电大学.2018
[8].王亚辉,余隋怀,陈登凯,初建杰,刘卓.基于深度学习的人工智能设计决策模型[J].计算机集成制造系统.2019
[9].张文娟.基于机器学习的混合物双峰智能决策系统[D].江西农业大学.2018
[10].张晓海,操新文.基于深度学习的军事智能决策支持系统[J].指挥控制与仿真.2018