大数据智能:从数据拟合最优解到博弈对抗均衡解

数据驱动的机器学习（特别是深度学习）在自然语言处理、计算机视觉分析和语音识别等领域取得了巨大进展,是人工智能研究的热点。但是传统机器学习是通过各种优化算法拟合训练数据集上的最优模型,即在模型上的平均损失最小,而在现实生活的很多问题（如商业竞拍、资源分配等）中,人工智能算法学习的目标应该是是均衡解,即在动态情况下也有较好效果。这就需要将博弈的思想应用于大数据智能。通过蒙特卡洛树搜索和强化学习等方法,可以将博弈与人工智能相结合,寻求博弈对抗模型的均衡解。从数据拟合的最优解到博弈对抗的均衡解能让大数据智能有更广阔的应用空间。     

三明治结构钌插层二氧化钛光催化四环素降解性能研究

纳米TiO₂具有高催化活性、高化学稳定性、成本低廉和安全无毒等优势,是目前广泛使用的一类光催化剂,但较大的禁带宽度和较高的光生电子-空穴复合速率使其光子利用率偏低。本研究利用微刻蚀法设计合成了二维TiO₂纳米片,并进一步与Ru复合,构建了三明治结构Ru@TiO₂高效光催化剂。采用不同表征手段研究了三明治结构Ru@TiO₂的表面形貌、电子结构、光电特性和光降解盐酸四环素的性能。结果表明:插入Ru将TiO₂的光响应范围由紫外光区拓展至整个可见-近红外光区,光子吸收和载流子分离效率得以提升,同时提高了体系光催化活性。模拟太阳光(AM 1.5G, 100 mW·cm^–2)照射80min,三明治结构Ru@TiO₂高效光催化剂对盐酸四环素的降解效果出色,降解效率达到91.91%。本研究为TiO₂基高效光催化剂结构设计提供了一条有效途径。     

利用菲制备蒽

<正> 本专利介绍一种制备蒽的方法。即:使用镍催化剂,于高温高压下,通过加氢作用使菲转化为均-八氢化菲。然后,再以氯化铝为催化剂进行异构化,得到均-八氢化蒽。最后,将均-八氢化蒽催化脱氢。通常,菲和蒽是从煤焦油中提取的。煤焦油中菲的质量百分数约为5％,而蒽的仅为1.2％～1.4％。然而,蒽是一种更为有用的产品,可大量用于生产蒽醌染料。因此人们一直在努力设法把菲转化为蒽。在一段时间里,菲通过加氢转化为均-八氢化菲,随后     

结晶法分离间、对甲酚

结晶法分离间、对甲酚１背景混合甲酚，即含有各种甲酚异构体的混合物．可由天然资源获得．也可由合成资源获得。天然资源有煤焦油、石油、焦油砂和页岩油。合成资源有苯及其衍生物的一些反应的产物，对甲酚是存在于混合甲酚内的一种异构体．适用于制备多种专用化学品，抗...