基于强化学习的自动驾驶伦理决策机制研究

由于自动驾驶技术的道德伦理和法律法规研究相对滞后,自动驾驶车辆遇到伦理困境时,还不能做出决策,影响了人类对自动驾驶车辆的信任和认可,阻碍了自动驾驶技术的应用和发展。根据Moral Machine伦理困境下调查结果,选择6个特征作为伦理决策的特征因素,初步建立基于差异化特征的车道危险度预测模型,对车道危险度进行预测和比较,做出一个决策行为。再根据人类决策调查结果,判断自动驾驶车辆所做的决策行为是否符合人类决策,若是,则进行激励和相应特征权重系数的强化,优化车道危险度预测模型,建立自动驾驶车辆伦理决策机制。最后运用测试伦理困境分别对初始和建立自动驾驶车辆决策机制进行测试,测试结果表明两者与人类决策一致率分别为71.4%和85.7%,说明训练后自动驾驶车辆伦理决策机制的决策行为更能符合人类决策标准,为自动驾驶伦理决策提供了一种新的研究思路和方法。     

DMDS基于数据挖掘的工程决策模型

针对已有的工程决策支持系统(EDSS)在知识获取和数据处理等方面的不足,本文提出了一个适用于工程决策的"数据挖掘-决策支持(DMDS)"耦合模型.模型利用DM技术从工程数据中提取出有价值的知识,并在此基础上进行逻辑推理,以辅助工程决策.案例研究的结果表明,DMDS模型具有良好的可行性和准确度.     

基于多阶段决策的需求侧聚合响应策略

需求侧可调资源和需求响应市场具有多时间尺度特性,且随着决策时间尺度的缩小,负荷预测精度提高,响应不确定度减小。为充分结合长时间尺度决策可充分调用各调节资源和短时间尺度决策面临不确定性小的优点,提出一种负荷聚合商基于多阶段决策的需求侧可调资源聚合响应策略。具体构建了多阶段需求响应决策框架,建立了需求侧可调资源聚合响应模型,形成多阶段需求侧可调资源聚合响应模型。基于此对各阶段决策分别设置考虑聚合响应收益与响应偏差等的目标函数,基于分支定界法设计求解策略,形成基于多阶段决策的需求侧聚合响应策略。最后通过算例对比应用单阶段决策的需求响应策略与所提策略的响应效果,验证了所提策略能够有效提高需求侧可调资源聚合响应容量和响应精度。     

变电站智能倒负荷系统研究*

针对变电站主设备、辅设备间数据彼此独立、数据共享融合困难的问题,建立了变电站智能监控决策平台,完成对变电站主设备、辅助设备数据的统一接入。基于变电站全景数据,构建设备状态评估模型及智能倒负荷决策库,实现在变电站设备故障或异常情况下对重要负荷倒供的智能决策支持,提高变电站主动抢修和事前控制能力,提升变电站智能化管理水平。     

项目评价方法的比较与发展趋势

项目评价方法一类是对项目自身进行研究,分析项目的可行性;另一类是将项目看作企业的有机组成部分,从企业的核心能力及战略的角度来分析项目的可行性.目前,国内企业的项目评价主要是利用财务数据作为判断的标准,对项目竞争力则研究不足,对将项目投资与公司核心能力及公司战略结合起来进行分析重视的不够.认为随着我国市场经济的进一步深化,项目评价技术必须与公司核心能力及公司战略更紧密的结合在一起.     

煤矿智慧矿山建设策略研究

智慧矿山建设能够改变原先煤炭企业粗放发展的方式,是实现煤矿高质量发展的重要支撑。通过描述智慧矿山发展的背景,分析当前国家和地方政府关于促进智慧矿山发展出台的相关政策与取得的成就,深入剖析了煤矿智能化发展遇到的管理和技术两个方面问题,并且从设备感知层、网络传输层、数据支撑层、应用决策层四个维度构建了智慧矿山未来发展的框架,提出了实现智慧矿山高质量发展的关键技术,包括信息化网络架构、安全生产管控模式、智能决策和态势分析模式,最后提出促进智慧矿山高质量发展的对策建议。     

基于贡献度视角的矿区生态保护利益分配研究

现行行政管理体制条块分割与区域环境问题的整体性特征不相适应,倒逼生态环境保护的府际合作。然而,合作者的贡献度与利益分配非均衡化,导致合作负效应或“选择性关注”。基于模糊决策理论,从公共价值和利益相关者参与视角优化评价主体,从价值创造视角构建指标体系。采用组合加权算术平均算子集结属性信息,并应用主客观综合赋权法,构建合作者的贡献度测度模型,结合赣南稀土矿区生态保护实际案例,有效优化了利益分配方案。该方案有利于促进合作组织稳定,减少组织负效应,促进矿区生态保护。     

VASA-基于体素的建筑模型分析技术应用研究

VASA是一种将模型分解成一定大小的立方体的方法,就像游戏Minecraft(我的世界)所体现的一样。体素是体积元素(volumepixel)的简称。从Revit的几何体或者STL文件和网格转化成体素模型,然后可对此3D体素执行大量分析,例如路径分析、日照分析、视野分析及声学分析等。基于体素的方法能够使建筑空间分析建立更加复杂的场景,并且生成更精确的分析结果,也能够把体素分析整合到衍生式设计的工作流中。     

基于模糊决策的网络簇首选举算法

分级分簇网络是目前最为常见的自组织网络架构,簇首选举是其网络管理的关键技术。研究比较了常用的簇首选举算法,提出了一种基于模糊决策的复合加权簇首选举算法。在对节点诸多评价因素进行分析的基础上,建立了模糊评判模型,详细描述了算法的实现流程,并通过仿真验证了算法的适用性。     

基于序贯三支神经网络的个性化推荐

虽然协同过滤可以实现用户的个性化推荐,但是大多数协同过滤及其改进模型未考虑用户和项目等特征,因而不能发掘样本间的非线性关系.与协同过滤相比,深度学习能挖掘丰富的用户兴趣模式,但网络拓扑结构是基于二支决策的方式,忽略了推荐样本的难易程度.为了增强模型的非线性表达,同时区分推荐样本的难易,受序贯三支决策的启发,提出序贯三支决策神经网络个性化推荐模型(personalized recommendation model based on sequential three-way decision with single feedforward neural network, STWD-SFNN-PR).首先,为了将高维稀疏特征向量映射为低维稠密的特征向量, STWD-SFNN-PR采用嵌入进行特征处理.其次,在增量式的网络结构中学习推荐样本,使用Adam优化网络参数,并返回难以推荐的样本.再次,利用序贯三支决策增加延迟决策的策略,并在不同的粒度层采用序贯的阈值,从而动态地实现难以推荐样本的划分.最后,为了验证模型的可行性和有效性,选择多种电影推荐数据集进行研究,并选择经典的神经网络推荐、经典的...