Results 1 to 10 of about 2,792 (100)
大数据, 2022 推荐系统是解决社会媒体信息过载问题的重要手段。为了解决传统推荐系统无法优化用户长期体验的问题，研究人员提出了交互式推荐系统，并尝试使用深度强化学习优化推荐策略。但是，强化推荐算法面临反馈稀疏、从零学习影响用户体验、物品空间大等问题。为了解决上述问题，提出一种改进的知识增强策略引导的交互式强化推荐模型KGP-DQN。该模型构建行为知识图谱表示模块，将用户历史行为和知识图谱结合，解决反馈稀疏问题；构建策略初始化模块，根据用户历史行为为强化推荐系统提供初始化策略，解决从零学习影响用户体验的问题 ...
张宇奇, 黄晓雯, 桑基韬
doaj +1 more source
全球能源互联网, 2023 微网在分布式新能源消纳、负荷优化、提高能源利用效率等方面具有重要作用。但新能源出力的间歇性、负荷侧用电行为的随机性导致微网成为一个动态的复杂系统，难以通过准确的物理模型刻画，给微网优化运行带来巨大挑战。深度强化学习（deep reinforcement learning，DRL）通过与环境交互试错寻找最优策略，不依赖于新能源出力和负荷的精确建模，适用于解决序贯决策问题，在求解含有大量不确定性的微网优化运行难题时具有优势。为此，从DRL原理、DRL在单个微网以及微网群优化运行中的应用进行了综述与分析 ...
周翔, 王继业, 陈盛, 王新迎
doaj +1 more source
智慧农业, 2023 目的/意义人工智能（Artificial Intelligence，AI）技术已在学术和工程应用领域掀起了研究高潮，在地球物理参数和农业气象遥感参数反演方面也表现出了强大的应用潜力。目前大部分AI技术在地学和农学的应用还是“黑箱”，没有物理意义或缺乏可解释性及通用性。为了促进AI在地学和农学的应用和培养交叉学科的人才，本研究提出基于AI耦合物理和统计方法的地球物理参数反演范式理论。方法首先基于物理能量平衡方程进行物理逻辑推理，从理论上构造反演方程组，然后基于物理推导构建泛化的统计方法 ...
MAO Kebiao +15 more
doaj +1 more source
智能科学与技术学报, 2022 以机器人为代表的自主智能体系统在工业、服务业等众多领域具有广泛的应用前景和重要的应用价值，但现有自主智能体系统在运动灵巧性、感知信息的完备性、复杂任务和环境的适应性等方面都面临巨大的挑战，难以在开放环境下像人一样灵巧、精准地完成各种复杂操作。而随着以深度学习、深度强化学习为代表的人工智能技术的成功，以操作技能学习为核心的理论研究成为突破自主智能体精准灵巧操作的重要方向，在汲取、融汇联结主义和符号主义的思想精华后构建的操作技能学习框架有望取代传统的示教编程、手工编程模式，以自主学习 ...
王硕
doaj +1 more source
智能科学与技术学报, 2022 群体智能是大规模人类群体和机器集群通过网络交互协作，相互赋能，持续学习，涌现出超越人类个体和机器单体的智能。群体智能在智能化信息服务、软件开发、众包创作、医疗健康、社会行为分析、交通出行、侦察监视、群智机器人等多个领域已经受到学术界和工业界的广泛关注，并成为国家人工智能发展的重要方向之一。对群体智能的深入研究有助于推动改善人与人、人与机器、人与物理世界、机器与机器间的关系。 为了及时掌握该领域的研究热点和技术动态，推动群体智能领域的快速发展，促进学术交流和技术创新，《智能科学与技术学报》发起了 ...
王怀民
doaj +1 more source
智能科学与技术学报, 2022 随着基础理论和硬件计算能力的飞速发展，深度学习技术在众多领域取得了令人瞩目的成绩。作为描述客观物理世界的重要工具，长期以来微分方程是各领域研究人员关心的重点。近年来，深度学习和微分方程的结合逐渐成了研究的热点。由于深度学习能够从大量数据中高效地提取特征，微分方程能够反应客观的物理规律，因此二者的结合可以有效地提升深度学习的泛化性，同时增强深度学习的可解释性。首先，介绍了深度学习求解微分方程的基本问题。其次，介绍了两类深度学习求解微分方程的方法：数据驱动和物理知情方法。然后 ...
卢经纬, 程相, 王飞跃
doaj
全球能源互联网, 2023 能源革命和数字革命方兴未艾，正共同推动中国能源电力系统向新型电力系统转型升级。人工智能有助于新型电力系统实现精准建模、高效分析及智能决策控制，是新型电力系统构建的关键支撑技术。通过对人工智能在电力系统源、网、荷、储等关键环节的预测、建模、分析、优化控制等核心应用的现状进行综述，对元学习、无监督预训练、可解释性与人机混合增强等人工智能领域的技术发展和其在新型电力系统的应用进行分析展望，为中国人工智能技术与新型电力系统的深度融合发展提供参考借鉴。
赵日晓*, 闫冬, 周翔, 王新迎
doaj +1 more source
Guangtongxin yanjiu, 2021 在大力发展智能电网的背景下，支撑电网运转的电力光通信网规模日趋庞大，其承载的业务更加多样化。然而电力光通信网的业务路由规划主要以最短路径算法为主，导致电力光通信网存在业务重要度分布不均衡，从而导致网络局部风险过高的问题。针对上述现状，文章采用深度强化学习技术，以网络业务风险均衡为目标，提出了基于强化学习的电力光通信网风险均衡路由算法。该算法考虑业务重要度分布情况、链路容量和链路光信噪比，实现了电力光通信网风险均衡化。文章选取某省电力通信子网验证方案的有效性，研究结果表明 ...
张庚 +5 more
doaj
智能科学与技术学报, 2020 深度强化学习主要被用来处理感知-决策问题，已经成为人工智能领域重要的研究分支。概述了基于值函数和策略梯度的两类深度强化学习算法，详细阐述了深度Q网络、深度策略梯度及相关改进算法的原理，并综述了深度强化学习在视频游戏、导航、多智能体协作以及推荐系统等领域的应用研究进展。最后，对深度强化学习的算法和应用进行展望，针对一些未来的研究方向和研究热点给出了建议。
刘朝阳, 穆朝絮, 孙长银
doaj
智能科学与技术学报, 2020 研究了基于深度强化学习算法的自主式水下航行器（AUV）深度控制问题。区别于传统的控制算法，深度强化学习方法让航行器自主学习控制律，避免人工建立精确模型和设计控制律。采用深度确定性策略梯度方法设计了actor与critic两种神经网络。actor神经网络给出控制策略，critic神经网络用于评估该策略，AUV的深度控制可以通过训练这两个神经网络实现。在OpenAI Gym平台上仿真验证了算法的有效性。
王日中, 李慧平, 崔迪, 徐德民
doaj