基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。     

一种军棋机器博弈的多棋子协同博弈方法

针对在军棋博弈不完全信息对弈中，面对棋子不同价值、不同位置、不同搭配所产生的不同棋力，传统的单子意图搜索算法，不能满足棋子之间的协同性与沟通性，同时也缺乏对敌方的引诱与欺骗等高级对抗能力。本文提出一种结合UCT搜索策略的高价值棋子博弈方法，实现高价值棋子协同博弈的策略。实战经验表明:高价值多棋子军棋协同博弈策略优于单棋子军棋博弈策略。     

YOLOv2在煤岩智能识别与定位中的应用研究

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。     

基于透明计算的云操作系统

当前,网络的发展逐渐向快捷性、安全性方面发展,而正对于日益变化的网络环境,传统的网络操作系统由于其自身的单一性,已然无法满足网络发展的需求,基于这种情况,云操作系统依靠云计算与云储存等技术进行全面的综合管理,较之普通的操作系统管理单独计算机,云操作系统显得更加复杂。而在云计算之上还存在透明计算。就透明计算而言,其发展过程、未来前景以及应用,都将对于云操作系统提供强有力的依据。基于透明计算在IT行业所具有的划时代意义,所以对于透明计算作用于云操作的研究也就显得十分必要了。     

赛灵思公司推出一体化SmartNIC平台 为云数据中心运营商带来一站式网络、存储和计算加速

3月4日,赛灵思公司(Xilinx)宣布推出一体化SmartNIC平台——Alveo U25,在单颗器件上实现了网络、存储和计算加速功能的完美融合。U25专门针对云服务提供商、电信公司和私有云数据中心运营商而设计,致力于为他们带来SmartNIC更高的效率和更低的总拥有成本。U25将高度优化的SmartNIC平台与强大灵活的FPGA引擎相结合,实现了全可编程与一站式加速应用。U25为应对如SDN、虚拟交换、NFV、NVMe-oF、电子交易、AI推断、视频转码和数据分析等,提供了一个强大的一体化SmartNIC平台。     

电子小制作中接插件的巧用

接插件在成品机制作中已经大量使用,它以其方便、简捷等诸多优点,受到越来越多的设计者和维修者的青睐。而以基础电子技术理论学习、验证为目的的电子小制作中,如果合理、有机的运用接插件也会取得非常良好的实验效果。接插件分插头和插座,通常配套使用。他们的种类很多。本文谈到的是二孔到十几孔的排插座在电子小制作中的实际运用。一、在电子小制作中,当电路较复杂的情况下,考虑合理的运用接插件进行连接,使之成为多路输出、输入接口,     

从调动学生对实验的兴趣谈实验教学改革

根据学生在实验中表现出的实验态度及其对实验效果的影响，提出了改革实验内容、教学方法、实验手段的方法措施，并说明了改革实验指导教师队伍及实验教材的必要性。