五氯酚在厌氧生物体系中的降解及反馈作用

为探讨厌氧系统降解五氯酚(PCP)能力及PCP对厌氧系统的毒性影响,采用UASB反应器进行了PCP模拟污水连续流试验,考察了不同PCP浓度及负荷条件下系统对PCP和COD的降解去除规律,揭示了PCP对系统产酸相和产甲烷相影响状况.结果表明,在进水PCP含量从无到开始加入、PCP浓度提高以及PCP负荷提高3个冲击变化阶段,厌氧系统对PCP和COD的去除率均表现出先迅速降低后缓慢升高的变化趋势,运行稳定后PCP和COD的去除率分别达91.2%和83.5%以上.PCP对厌氧系统中微生物种群产生影响,使系统产酸菌由丁酸型菌群为主逐渐演替为丙酸型菌群为主,PCP对系统产甲烷菌活性产生明显抑制,甲烷产量由PCP加入前的12.1L/d降低至加入后的2.5L/d.     

结合全局和局部特征的BiGRU-RA图像中文描述模型

针对目前基于全局特征的图像描述模型存在细节语义信息不足的问题,提出结合全局和局部特征的图像中文描述模型.该模型采用编码器-解码器框架,在编码阶段,分别使用残差网络(residual networks,ResNet)和Faster R-CNN提取图像的全局特征和局部特征,提高模型对不同尺度图像特征的利用.采用嵌入了残差连接结构和视觉注意力结构的双向门控循环单元(bi-directional gated recurrent unit,BiGRU)作为解码器(BiGRU with residual connection and attention,BiGRU-RA).模型可以自适应分配图像特征和文本权重,改善图像特征区域和上下文信息的映射关系.此外,加入基于强化学习的策略梯度对模型的损失函数进行改进,直接对评价指标CIDEr进行优化.在AI Challenger全球挑战赛图像中文描述数据集上进行训练和实验,实验结果表明,该模型获得更高的评分,生成的描述语句更准确、更详细.     

一种基于深度强化学习的Spark Streaming参数优化方法

Spark Streaming作为主流的开源分布式流分析框架,性能优化是目前的研究热点之一。在Spark Streaming性能优化中,业务场景下的配置参数优化是其性能提升的重要因素。在Spark Streaming系统中,可配置的参数有200多个,对参数调优人员的经验要求较高,未经优化的参数配置会影响流作业执行性能。因此,针对Spark Streaming的参数配置优化问题,提出一种基于深度强化学习的Spark Streaming参数优化方法（DQN-SSPO）,将Spark Streaming参数优化配置问题转化为深度强化学习模型训练中的最大回报获得问题,并提出权重状态空间转移方法来增加模型训练获得高反馈奖励的概率。在3种典型的流分析任务上进行实验,结果表明经参数优化后Spark Streaming上的流作业性能在总调度时间上平均缩减27.93%,在总处理时间上平均缩减42%。     

基于深度强化学习的自动驾驶技术研究

传统的自动驾驶行为决策算法需要人为设定复杂的规则,从而导致车辆决策时间长、决策效果不佳、对于新的环境不具有适应性,而强化学习作为近年来机器学习和智能控制领域的主要方法之一,车辆仅通过与环境交互便可以学习到合理、有效的策略。本文基于DDPG(Deep Deterministic Policy Gradient)算法,通过设计合理的奖励函数、深度卷积网络、探索策略,在Carla模拟器中实现指定路线的自动驾驶。     

初中数学课堂展示环节强化分析

初中数学是为高中的数学打基础的,不论是函数还是基础,都需要在数学的理解能力上加强,才更利于对于数学的学习;初中数学也是培养数学运算能力最终要的阶段,并且在初中数学中的几何部分就是为高中打基础的,学生在课堂上展示的能力,可以很好的让老师看出学生对于知识点掌握的情况,在课堂上及时做出调整,不要在会的问题上浪费时间,也不能在不会的地方忽略过去,有效提高教学的质量。     

车用柴油机两级涡轮增压系统匹配研究

为满足柴油机动力性、经济性的要求,将原机由单级涡轮增压系统改造成两级涡轮增压系统,来实现将原机的最大扭矩提高40%。针对扭矩强化目标,算出匹配点所需的空气量与进气压力。根据计算结果,为两级增压系统选取了高、低压级增压器,并画出两级涡轮增压器与柴油机的联合运行图与高低级压气机压比分配图,通过实验验证了所选涡轮增压器的正确性。     

基于GAED-MADDPG多智能体强化学习的协作策略研究

目前多智能体强化学习算法多采用集中学习,分散行动的框架。该框架存在算法收敛时间过长和可能无法收敛的问题。为了加快多智能体的集体学习时间,提出多智能体分组学习策略。通过使用循环神经网络预测出多智能体的分组矩阵,通过在分组内部共享智能体之间经验的机制,提高了多智能体的团队学习效率;同时,为了弥补分组带来的智能体无法共享信息的问题,提出了信息微量的概念在所有智能体之间传递部分全局信息;为了加强分组内部优秀经验的留存,提出了推迟组内优秀智能体死亡时间的生灭过程。最后,在迷宫实验中,训练时间比MADDPG减少12%;夺旗实验中,训练时间比MADDPG减少17%。     

基于多层注意力机制—柔性AC算法的机器人路径规划

针对行动者—评论家（AC）算法存在的经验学习样本维度高、策略梯度模型鲁棒性低等问题,依据多代理系统的信息协作优势,构建注意力机制网络并作为代理体,引入多层并行注意力机制网络模型对AC算法进行改进,提出一种基于多层并行注意力机制的柔性AC算法。将其用于解决动态未知环境下的机器人路径规划问题,可增强行动者的策略梯度鲁棒性并降低评论家的回归误差,实现机器人路径规划最优方案的快速收敛。实验结果表明,该算法有效克服机器人路径规划的局部最优,具有计算速度快、稳定收敛的优点。