一种李群机器学习线性分类算法研究

根据李群具有微分流形的性质,提出了一种李群机器学习的线性分类算法.该分类方法的思想是:首先将样本数据集嵌入到微分流形当中,每个实例对应着流形上的一个点,利用测地线距离度量两个实例问的距离;然后,根据测试实例和训练数据集中实例间测地线距离的代数关系,确定测试实例的分类.实验测试表明,该线性分类算法较k-最近邻算法(KNN)及NaiveBayes分类算法具有较高的分类精度.     

动态模糊主动数据库系统的设计方法初探

目前,尽管数据库已在各种应用中起着越来越重要的作用,但仍不能满足某些应用的需求这些需求包括:①实时控制功能;②例外或错误的主动处理和制动恢复功能;③系统瞬时状态的输或关键点     

动态模糊决策树学习算法研究

针对自动控制领域中普遍存在的动态模糊信息,提出了基于DFS（动态模糊集）建模的动态模糊决策树算法，并给出了对包含非动态模糊属性、缺少属性值的输入．样例的匹配算法，很好地解决了模糊控制系统所不能解决的动态性问题。     

李群机器学习(LML)的学习子空间轨道生成格算法

给出了李群机器学习(LML)的学习子空间轨道生成格及相关的基本概念,包括:李群机器学习中的样例数据集,轨道生成格理论及其算法,同时也给出了实例验证分析,并与决策树学习算法C4.5作比较,在分类的正确性方面优于C4.5算法,由此进一步证明了该理论的可行性以及算法的有效性。     

基于Agent的遗传算法描述与演化模型研究

Agent是指具有智能的人或其它智能物.它具有自治、反响、推测、协作、自学习和相互学习等能力,本文基于Darwin自然进化论与Mendel遗传变异理论,给出Agent的遗传算法与演化模型.这些理论的提出,进一步丰富和完善了Agent的研究内容.     

多Agent的并行思智算法

给出了多Agent的并行思智算法,同时针对应用领域,提出了面向过程的Agent并行思智算法和面向任务的A-gent并行思智算法,通过实例对所提出的算法进行了验证。说明该算法是有意义的。     

感知Agent的基本模型研究

抓住Agent的性质，利用动态模糊集的思想，构造和设计了感知Agent。的基本模型，并给出了相关理论基础。通过本文的研究将为人们设计感知Agent奠定了新的理论模型和方法。     

一种多agent的并行认知模型及应用

agent认知模型是多agent系统研究的基础。该文抓住多agent系统的社会行为特性，构建了动态的多agent系统模型。它可以动态地调整系统agent的个数，增强系统的求解问题的能力，整个系统随着问题求解的增多更加稳定。并且在构建动态多agent系统的基础上给出了多agent系统并行认知模型及其相关概念，并把该模型应用于问题求解。     

元学习研究综述

深度学习在大量领域取得优异成果,但仍然存在着鲁棒性和泛化性较差、难以学习和适应未观测任务、极其依赖大规模数据等问题.近两年元学习在深度学习上的发展,为解决上述问题提供了新的视野.元学习是一种模仿生物利用先前已有的知识,从而快速学习新的未见事物能力的一种学习定式.元学习的目标是利用已学习的信息,快速适应未学习的新任务.这与实现通用人工智能的目标相契合,对元学习问题的研究也是提高模型的鲁棒性和泛化性的关键.近年来随着深度学习的发展,元学习再度成为热点,目前元学习的研究百家争鸣、百花齐放.本文从元学习的起源出发,系统地介绍元学习的发展历史,包括元学习的由来和原始定义,然后给出当前元学习的通用定义,同时总结当前元学习一些不同方向的研究成果,包括基于度量的元学习方法、基于强泛化新的初始化参数的元学习方法、基于梯度优化器的元学习方法、基于外部记忆单元的元学方法、基于数据增强的元学方法等.总结其共有的思想和存在的问题,对元学习的研究思想进行分类,并叙述不同方法和其相应的算法.最后论述了元学习研究中常用数据集和评判标准,并从元学习的自适应性、进化性、可解释性、连续性、可扩展性展望其未来发展趋势.     

基于小波变换和LSTM模型的城市天然气负荷预测

城市燃气公司为防止出现储气量过剩或不足等问题,必须要对天然气负荷量进行预测.对此,提出一种基于小波变换和长短期记忆网络的深度学习模型(wavelet_LSTM),对未来一年的天然气日负荷量进行预测.在某市燃气公司真实数据集上的实验结果表明,该模型有较高的准确性,可以较好地满足城市燃气公司的业务需求.