区分二打一游戏竞技者能力的测试用例研究

针对全国竞技二打一扑克锦标赛中如何保证比赛的公平、公正性,降低冗长的比赛赛程问题,提出通过给出具有较高区分度的初始手牌用于比赛发牌阶段以减少比赛轮次的解决方案,并提出计算初始手牌区分度的算法。首先对大量真实用户打牌行为数据进行分析及处理,计算每一个初始手牌对应的得分概率分布;再计算由若干副该初始手牌组成的初始手牌组的区分度,并进行非降序排序;选取区分度值高者对应的初始手牌作为测试用例。为测试选取用例的有效性,创造性提出采用多个具有不同区分度的"智能二打一竞技者"进行模拟比赛。实验结果表明测试用例的选取方法有效。     

二打一智力游戏中残局局面数据标定方法研究

基于深度学习模型的有监督训练依赖于大量高质量标定数据,针对非完全信息博弈中二打一智力游戏问题,根据不同阶段回合局面数据的特点,提出了通过Alpha-Beta完全搜索获得共包含400万带标定二打一智力游戏局面样本的数据集,根据得到的标定样本训练CNN模型,使其能够对二打一智力游戏残局进行局面评估,为进一步将牌类游戏向棋类游戏的转化提供了保障,也为其他非完全信息博弈训练数据的标定提供了有价值的借鉴。     

基于LSTM与迁移学习的滚动轴承故障诊断

目前以数据驱动为基础的深度学习故障诊断方法已经得到了广泛的研究,然而基于深度学习的故障诊断普遍存在需要海量训练数据的不足。为有效克服上述问题,提出了一种基于长短期记忆网络(long short-term memory,LSTM)与迁移学习结合的滚动轴承智能故障诊断方法。首先使用心电图片段数据对网络中的参数进行训练,然后将正常状态下和各类故障状态下的滚动轴承曲线作为网络输入训练网络最后3个全连接层,最后得到整个训练网络。通过数据验证,证明所采用的方法与传统的故障诊断方法相比,能更加智能识别各类故障类别,并且拥有更高的正确率和良好的泛化能力。     

竞技二打一中玩家叫牌风格划分方法

由于玩家在对局中会有不同的博弈风格,针对竞技二打一中玩家叫牌风格划分的问题,提出了通过计算玩家叫牌和基准叫牌之间差异的统计学方法,设计了融合叫牌情况和玩家手牌及强力牌特征的基准叫牌模型来给出基准叫牌。实验结果表明：该方法中的基准叫牌模型能够在测试集上准确率达到94%以上,在玩家的叫牌风格实验中达到了预期的划分效果,在一定程度上验证了玩家博弈风格划分的可行性。     

基于汉语网络新闻评论的情感语料库标注研究

为揭示汉语网络新闻评论文档在情感表达上的特性,基于评价理论的态度系统,采用语义标注方法,试图从多角度揭示汉语情感语义表达的参数特征。研究发现汉语情感语义的表达呈现多参数性特征。该情感语料库不仅可为目前汉语情感计算提供结构性情感语义资源、方便机器学习、利于观点抽取和整合工作,还将会为现有计算机和语言学领域的汉语情感标注提供一种多参数的操作方法。     

正整数的连续奇偶拆分

正整数n的一个拆分是指将n表示为一个或多个正整数的无序和。n的不同拆分方式数称为n的拆分数。给出了一个正整数n能拆分成连续奇数和连续偶数之和的充要条件,并求出了这两种拆分的拆分数。将其结果用于讨论不定方程x2?y2=n,给出了判断该方程解的存在性条件,以及解的个数的确定。证明了如果n能表示成连续奇数和连续偶数之和,则表示法唯一。     

基于蚁群BP神经网路算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震 荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算 法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的 效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一 定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络 算法的迭代次数Ⅳ比传统算法少50%,运行时间r快60%。这说明蚁群BP种经网络算法在六维力传感器解耦研究中 有着很好的应用效果。     

一种德州扑克牌力评估方法

德州扑克是一种计算机博弈牌类项目,作为不完美信息博弈,其牌力评估较为困难。为了提高针对不同对手的评估效益,提出一种基于对手模型的牌力评估方法。首先用树存储对手的动作频率信息,然后根据树构建一个与对手行动类似的虚拟对手智能体,最后在对局中计算虚拟对手的策略,更新对手的手牌权重,缩小对手可能手牌范围,完成牌力评估。实验结果显示:使用基于对手模型牌力评估方法的智能体击败了不同风格的对手,且总体赢得的筹码比使用静态评估方法的智能体高。与传统方法相比能有效针对不同的对手类型,提高评估效益。     

"打X牌"的形成机制及篇章功能

本文以当代汉语中一种新的短语结构"打……牌"(以下称"打X牌")为研究对象,在对其句法分布、语义特征进行分析的基础上,着重探讨了其形成机制与篇章功能.就其形成机制而言,"打X牌"首先模拟了原型词"打牌"的语义和框架,伴随着"打"、"牌"以及这一结构的虚化,形成了"打X牌"短语结构.这其中既有语言自身演化的规律--隐喻机制的作用,也有语用需要的驱动;此外,"打X牌"在篇章结构中也有其特殊的功能."打X牌"因其结构能产性强、表义简洁丰富而广泛用于社会各个领域.     

基于最短路径信任关系的推荐项目计算方法

针对社交网络中协同过滤推荐算法的推荐速度计算问题,提出了一种基于最近邻方法的改进计算方法,并对算法有效性进行了分析。该算法对用户的相似性度量采用基于最短路径的信任关系,用分层图和动态规划的方法进行计算,并在社交网络的应用中对关系链的深度进行限制。对该算法基于KDD Cup 2012 Track 1的数据进行了仿真,并与其他方法做了性能比较。实验表明,改进算法可以很好地平衡推荐效率和准确率指标。     

众包标注质量控制研究

众包是近年来流行的一种分布式商业模式,采用众包方式获取标注是一种快速廉价获取海量数据标签的有效方式,由于众包平台中普遍存在不认真完成任务的作弊用户,众包标注质量难以保证.为有效提高众包标注准确性,通过学习标注者的可靠性,实现基于标注者的可靠性进行动态任务分配,采用贪婪的预测模型实现对多个标注者提交的标签进行聚集,获得高质量的众包标注结果.实验结果表明,该方法能获得比基准算法更高的标注准确性,有效实现众包标注质量控制.     

“拱猪”游戏的深度蒙特卡洛博弈算法

针对现有的“拱猪”卷积模型计算复杂且高度依赖专家知识的问题,提出一种应用于“拱猪”博弈游戏的深度神经网络和蒙特卡洛方法相结合的深度蒙特卡洛算法。采用自对弈的方式进行模拟和评估,使用深度Q网络代替Q表完成Q值的更新,高效地对“拱猪”策略进行探索和利用;采用分布式并行计算的方法提高训练效率,较于传统的蒙特卡洛方法可有效地解决高方差问题。在具有一个GPU的单台服务器上训练24 h后,所构建的智能代理与“拱猪”卷积模型对弈了10 000局。实验结果表明：智能代理胜率可达78.3%,平均每局可获得67分,对具体示例进行分析,进一步验证了该算法的有效性以及智能代理的良好性能。     

城市轨道交通超大客流网络拥挤传播研究

为研究城市轨道交通超大客流传播的时间规律以及不同数量拥堵站点对整体轨道交通网络的影响,通过定义超大客流,引用疾病传播理论,建立了基于网络拥挤模型的超大客流拥堵网络疾病传播模型,并运用Adams微分方程数值进行模型求解。对反演参数得到的SIR传染病模型的传播特性拟合运用于轨道交通网络,并通过不同的初始拥堵站点数量进行仿真。研究表明:轨道交通超大客流的病态传播受传染概率、恢复概率、初始拥堵站点数影响,该联系为超大客流网络拥挤传播提供一种新的研究思路。     

基于深度学习的复杂背景下目标检测

针对某些静态图像背景复杂,受环境因素(光照、遮挡、掩盖等)影响较大的问题,提出一种基于深度学习算法的卷积神经网络(convolutional neural networks,CNN)结构对目标进行检测。利用CNN网络可自主提取图像特征并进行学习的优点,避免了复杂的人工特征选择和提取过程。通过一种区域合并的方法进行端到端的交替训练,在复杂背景图像的处理中体现出较优的性能。CNN的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度、减少训练参数的数目、提高检测效率。试验验证结果表明:此方法在互联网图像数据库检测方面达到了较高的精度。采用坦克模型图像对复杂背景下的单目标、多目标以及不同程度的遮挡、伪装等情况进行试验,得出该方法具有一定的鲁棒性。     

基于CAS优化的LSTM循环神经网络的高压断路器故障预测方法研究

在研究真空高压断路器运行历史数据的基础上,提出一种基于长短期记忆(LSTM)循环神经网络的断路器故障时间序列预测方法,采用混沌蚁群(chaotic ant swarm,CAS)优化算法训练LSTM模型,并在TensorFlow深度学习框架上搭建模型仿真,与其他常用的优化训练方法相比,基于CAS优化的LSTM模型具有更高的预测精度和更短的训练步数,且模型简单容易训练。该故障预测方法在基于时间序列的设备故障预测方面有较高的应用价值。     

对“打”的多义性认知浅析

汉语“打”的用法颇多，其语义结构复杂而有章，按照Tyler和Evans的多义网络模式理论，“打”的语义结构不是一堆分散的、毫无联系的语义项的集合，而是一个极为连贯的、自然的范畴。运用Evans语义区分的五个标准对“打”进行多义分析，指出“打”的基本义是“用手或者器具撞击物体”，其他义项是该基本义下引申拓展而成，它们和基本义一同构成“打”的多义网络。     

网络对抗训练模拟系统的设计与实现

提高计算机网络对抗能力,是夺取信息优势和控制网络权的必要手段和途径;网络对抗训练模拟系统的建立有利于网络对抗人才的培养。研究和设计了一种网络对抗训练模拟系统,并从关键技术及其实现的角度讨论了相关子系统,包括交互式对抗训练模拟系统、对抗训练模拟支持软件系统、对抗训练模拟评估系统和对抗训练模拟信息库。该系统能够为网络对抗理论研究与对网络抗训练模拟提供一个良好的环境,具有十分重要的意义。     

采用自适应GHA神经网络的分类器设计

介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。     

自动化立体仓库退库货位优化问题及其求解算法

针对自动化立体仓库出库作业过程中剩余货物退库问题,以堆垛机作业总能耗最小化为目标,以退库货位分配为决策变量,建立了自动化立体仓库退库货位优化模型,提出了基于深度强化学习的自动化立体仓库退库货位优化框架。在该框架内,以立体仓库实时存储信息和出库作业信息构建多维状态,以退库货位选择构建动作,建立自动化立体仓库退库货位优化的马尔科夫决策过程模型;将立体仓库多维状态特征输入双层决斗网络,采用决斗双重深度Q网络(dueling double deep Q-network, D3QN)算法训练网络模型并预测退库动作目标价值,以确定智能体的最优行为策略。实验结果表明D3QN算法在求解大规模退库货位优化问题上具有较好的稳定性。     

一种基于遗传算法的语义标注

针对数据稀疏问题,采用适应度函数较灵活的遗传算法做语义的自动标注;以《同义词词林》的层次式结构为依据,提出了利用语义层次的提升来改善适应度函数中参数的估计质量;定义了语义层次的两个基本概念;阐述了语义提升的原理,并采用选择受限策略来解决因语义提升而引起的模型辨别力下降问题;实现了用于语义标注的遗传算法。实验表明该算法在语义标注中能适应不同训练数据量,具有一定的可行性。