一种基于黑板模型的多Agent系统通信方法

本文以人工智能领域中的黑板模型为基础 ,提出了在 Internet环境中多 Agent系统 (MAS)的通信方法 .该方法可用于异构的 MAS系统间的通信 .首先把 MAS系统的通信环境划分为不同的层次 ,然后用黑板模型对这些层次进行了描述 .基于这种描述给出了 MAS系统通信用协议和相关参数 .而且 ,还在这些参数中设置了有关服务质量的元素 .     

多Agent技术综述

多Agent系统(MAS)是分布式人工智能(DAI)的主要研究方向之一,提出了MAS的概念,对MAS的研究基础进行了介绍,阐述了三种典型的MAS体系结构,对MAS中的规划进行了介绍和具体分类.并介绍了MAS技术的典型应用.最后,对MAS技术进行了总结与展望.     

基于Scenario的MAS环境建模方法

对多Agent系统（MAS）的环境建模将有助于促进复杂MAS的分析和设计。本文提出了一种基于Scenario的MAS环境建模方法,该方法通过描述MAS的Scenario导出和分析MAS的环境,并采用高层的组织抽象思想对MAS的环境进行建模。本文通过一个电子商务系统的案例分析说明如何利用该方法指导MAS的开发。     

Agent及Multi-Agent System的理论和应用

Agent和Multi-Agent System(MAS)是人工智能的主要研究方向之一.回顾了Agent及MAS的发展历史,总结了目前Agent及MAS的研究现状,探讨了Agent及MAS的理论与应用,提出了目前Agent和MAS发展所需要解决的问题.     

Agent通信及多Agent系统(MAS协作机制的研究)

Agent及多Agent系统(Multi—Agent system,MAS)已被视为一种新的软件设计风格。本文在介绍了Agent的概念与BDI模型的基础上,分析了Agent的通信类型、通信规划以及多Agent系统(MAS)的基本模型与体系结构,同时对MAS的协作、协商、协调机制进行了深入研究,提出了远程通信和移动Agent通信概念。     

个性化Agent在RoboCup仿真比赛中的应用

MAS(multi agent system)是解决复杂、动态、分布式智能应用问题的重要技术,RoboCup仿真比赛提供了一个测试各种MAS理论的平台.基于Agent个性设计并实现了RoboCup仿真球队.实验结果表明该方法比能力对等的合作更加默契,更能体现MAS的自适应性.     

模糊型层MAS模型的获取和实现方法

基于多Agent系统（MAS）的开发信息集成体系结构分为界面层、协调层和模型层,每层均由MAS组成。为了获得构成模型层的MAS模型,该文结合信息工程论和面向对象方法而提出了模型层MAS模型获取方法,它从企业行为的功能主题出发进行分析而获取相应的对象模型,并将对象模型转变为相应的MAS模型;为了提高Agent技术的实用化程度,还讨论了在关系型数据库管理系统平台上实现基于MAS的模型层的方法;最后介绍了上述方法的应用实例。     

模型层MAS模型的获取和实现方法

基于多Agent系统(MAS)的开放信息集成体系结构分为界面层、协调层和模型层,每层均由MAS组成。为了获得构成模型层的MAS模型,该文结合信息工程论和面向对象方法而提出了模型层MAS模型获取方法,它从企业行为的功能主题出发进行分析而获取相应的对象模型,并将对象模型转变为相应的MAS模型;为了提高Agent技术的实用化程度,还讨论了在关系型数据库管理系统平台上实现基于MAS的模型层的方法;最后介绍了上述方法的应用实例。     

基于MAS的智能决策支持系统研究

为了使多Agent系统的研究和日益强大的网络技术为建立人机一体化的智能决策支持系统提供新的途径和方法,文中在分析了多Aggent系统(MAS)体系结构的基础上,对智能决策支持系统(IDSS)进行了探讨,提出一种在网络环境下,基于MAS的智能决策支持系统模型,并给出了其决策支持过程描述、形式化定义.该模型能够为智能决策支持系统提供新的途径和方法,不仅丰富了智能决策理论,而且能够对实际决策提供有效的支持.     

多Agent系统的研究

多Agent系统(MAS)是当前分布式人工智能(DAI)的主要研究方向之一。介绍了多Agent系统的背景和概念,着重分析了MAS的关键问题和构造MAS的组织模型,最后给出了多Agent系统的应用。     

基于RGB-D图像的语义场景补全研究综述

近年来随着计算机视觉领域的不断发展,三维场景的语义分割和形状补全受到学术界和工业界的广泛关注.其中,语义场景补全是这一领域的新兴研究,该研究以同时预测三维场景的空间布局和语义标签为目标,在近几年得到快速发展.对近些年该领域提出的基于RGB-D图像的方法进行了分类和总结.根据有无使用深度学习将语义场景补全方法划分为传统方法和基于深度学习的方法两大类.其中,对于基于深度学习的方法,根据输入数据类型将其划分为基于单一深度图像的方法和基于彩色图像联合深度图像的方法.在对已有方法分类和概述的基础上,对语义场景补全任务所使用的相关数据集进行了整理,并分析了现有方法的实验结果.最后,总结了该领域面临的挑战和发展前景.     

基于SQL的双编号树结构数据研究

针对SQL Server中的树模型结构数据的汇总方法进行研究与充分的实验,分别给出单编号与双编号树形结构数据逐级汇总的多种不同的方法与相应的Transact—SQL源代码。论述在程序设计过程中,使用树形控件、SQL语句、临时表等多种手段,达到多个关联数据库的数据由一个可视化树形结构控件显示的方法和技巧。     

计算机网络与防范研究

网络安全与防范分析是近年来国内外研究的热点问题之一。攻击者的技术和手段越来越多样化和高明化。计算机网络攻击与防范的研充就变得越来越重要了。论述了计算机网络面临的各种安全威胁方法及安全防范技术手段,对这些攻击给出相应的防范措施,并对入侵检测系统存在的不足给出了解决方案。     

时变系统控制方法综述

近年来,被控系统的时变问题越来越引起控制领域的广泛关注,新的控制方法也随之不断被提出．首先,在分析时变系统分类方法的基础上,总结了研究时变系统的几个关键问题;随后给出了两种不同的时变系统模型描述方法,同时根据系统的时变特征,分析讨论了不同的时变系统控制方法,并总结出各自的研究现状及性能特点;最后,就时变系统研究趋势及核心问题探讨了时变系统控制问题的研究方向．     

基于脑电BCI的研究综述

一直以来脑研究都是国内外的研究热点,脑机接口（Brain Computer Interface, BCI）则是脑研究中的重要内容之一。正因为如此,越来越多的国内外研究者开始从事BCI的相关研究,并取得了诸多优秀成果。该文从BCI信号角度入手,总结了近年来基于脑电BCI的典型系统、相关分析方法及研究成果,并具体分析了其中存在的不足之处。     

一种数据约简方法的探讨

Rough集理论在数据挖掘中的重要性已日益为大家所重视，也已经发展出一些行之有效的方法如：数据分析法，分明矩阵法。本文从以上两种方法出发，提出简单相异矩阵，并用以进行数据约简。     

维吾尔语多词表达抽取方法研究

多词表达是特殊的语言现象,一般由多个词构成来表示一个意义,语料中常出现在一起。多词表达因是特殊的单元,其抽取在自然语言处理的很多领域有着非常重要的作用。讨论了目前常见的三种统计方法即互信息、对数似然比以及卡方等在维吾尔语多词表达抽取方面的影响。根据维吾尔语的特点,将词干作为一项特征加到抽取方法中。语料的选择上考虑了覆盖面及领域,并探讨了它们对抽取方法的影响。     

An empirical evaluation on dimensionality reduction schemes for dissimilarity-based classifications

This paper presents an empirical evaluation on the methods of reducing the dimensionality of dissimilarity spaces for optimizing dissimilarity-based classifications (DBCs). One problem of DBCs is the high dimensionality of the dissimilarity spaces. To address this problem, two kinds of solutions have been proposed in the literature: prototype selection (PS) based methods and dimension reduction (DR) based methods. Although PS-based and DR-based methods have been explored separately by many researchers, not much analysis has been done on the study of comparing the two. Therefore, this paper aims to find a suitable method for optimizing DBCs by a comparative study. Our empirical evaluation, obtained with the two approaches for an artificial and three real-life benchmark databases, demonstrates that DR-based methods, such as principal component analysis (PCA) and linear discriminant analysis (LDA) based methods, generally improve the classification accuracies more than PS-based methods. Especially, the experimental results demonstrate that PCA is more useful for the well-represented data sets, while LDA is more helpful for the small sample size problems.     

数据异常的监测技术综述

在目前大数据的环境下,相对于正常数据,异常类数据更难获取,也显得更加重要。异常检测的目的是检测出异于正常主体的活动数据。异常检测适用于机器故障诊断、数据挖掘以及疾病和入侵检测等多个领域。基于目前大量的异常检测方法,主要从异常类数据的有无来阐述,根据这个框架将主要的异常检测方法进行了分类,并评价了这些方法的优劣;最后重点讨论了基于深度学习的大数据异常检测方法,并分别介绍了不同的方法及相关的应用和未来的研究热点。     

软件体系结构评估方法的研究*

体系结构评估是软件开发中的一项重要工作,目的是分析体系结构潜在的风险,并检验设计中提出的质量属性需求。介绍并讨论了有代表性的三种评估方法：SAAM,ATAM,ALPSM,在此基础上提出一个概念上的比较框架来分析这些评估方法的相似与差异,并进一步对方法的结合、重用,以及在设计中引入评估及实践中的使用等问题作了探讨。