基于模块化和鲁棒性的大数据公共课程体系设计方法研究

针对当前高校大数据公共课程在内容、师资安排以及课程衔接等方面存在缺乏合理设计的问题,基于OBE理念,提出一种基于模块化和鲁棒性的大数据公共课程体系设计方法,首先从不同专业对大数据应用人才的培养目标着手,以工程教育认证培养能力目标体系为线索,分析各专业课程与大数据公共课程之间的支撑度和衔接关系,从而构建模块化公共课程框架;然后基于主动式调整思路,将培养目标、课程体系参数化,进而设计课程选择及课程路径的设计与调整方法,并将其嵌入专业教育的持续改进的反馈闭环中实施.经过所在院校的实践,该方法能有效帮助非计算机专业选择和调整大数据技术公共课程,切实提高学生大数据课程的学习效果.     

分布式数据库中基于局部CON模型的记录匹配方法

针对现有记录匹配方法需要相关领域专家大量的人工参与或严重依赖于启发式规则,且无法处理大规模数据的问题,提出一种基于局部CON模型的记录匹配方法。该方法利用关联规则发现算法挖掘匹配依赖,将匹配依赖和数据实例同时作为改进型tableau的输入,检测匹配得出结果。实验结果和理论分析表明,该方法能快速识别出分布式记录匹配情况,且不需要人工参与,效率有非常明显的提高。     

基于函数逼近的冗余值迭代算法*

针对值迭代算法存在算法收敛不稳定及收敛速度慢的问题,文中提出改进的基于函数逼近的冗余值迭代算法.结合值迭代算法与贝尔曼冗余值迭代算法,引入权重因子,构建值函数参数更新向量.同时从理论上证明,利用此更新向量更新值函数参数可以保证算法收敛,解决值迭代算法收敛不稳定的问题.此外,算法引入遗忘因子,加快权重向量的更新速率和算法收敛速度.在Grid World问题上的实验表明,文中算法收敛性能较好,具有较好的鲁棒性.     

总结经验 办好刊物 推动科技进步——在《铝加工》第二次年会工作会议上的发言

这次会议是继1988年7月董事会成立之后的第二次年会。这次会议的召开有着双重意义:一是畅谈科技期刊编辑工作的办刊经验和讨论提高刊物的质量,二是听取大家对办刊工作的意见,以便改进工作,不断前进。现在,我受董事会委托,代表编辑部就下面几个问题作个发言。     

基于DDPG模型的建筑能耗控制方法

针对居民建筑能耗逐渐增加、传统控制方法效率低下的问题,提出一种基于深度确定性策略梯度的建筑能耗控制方法。该方法利用深度强化学习模型,将建筑电力使用问题建模为强化学习的控制问题,解决负荷降低和成本最小化的问题。根据某开源数据库中居民的能耗使用数据,结合深度Q网络、确定性策略梯度和深度确定性策略梯度算法进行实验验证。实验结果表明,该方法能够有效降低负荷峰值与电力能源使用成本,实现建筑节能的目的。     

遗传反馈的多特征图像检索

基于内容的图像检索是随着数字多媒体技术的发展和普及而新兴的一门信息检索技术。针对当前该领域存在的对图像描述不准确、查询精度低以及反馈次数较多的问题,提出一种基于遗传反馈的图像检索算法。该算法以遗传算法和相关反馈为基础,利用多特征进行检索,避免在利用单一特征进行检索时所出现的不同图像具有相同单一特征（颜色、纹理和形状等）的问题,对图像进行多特征描述可以从多个角度对图像进行定义,大大减少了不同图像却具有相同特征的概率。与现有的算法相比,其具有自动调整图像特征权重、较低反馈次数和较高查询精度的特性。实验结果表明,该算法对于旋转、平移和尺度变化具有较强的鲁棒性,同时具有减少反馈次数和较高查询精度的性能。     

基于自适应归一化 RBF 网络的Q-V 值函数协同逼近模型

径向基函数网络逼近模型可以有效地解决连续状态空间强化学习问题。然而,强化学习的在线特性决定了 RBF 网络逼近模型会面临“灾难性扰动”,即新样本作用于学习模型后非常容易对先前学习到的输入输出映射关系产生破坏。针对 RBF 网络逼近模型的“灾难性扰动”问题,文中提出了一种基于自适应归一化 RBF（ANRBF）网络的 Q-V 值函数协同逼近模型及对应的协同逼近算法———QV（λ）。该算法对由 RBFs 提取得到的特征向量进行归一化处理,并在线自适应地调整 ANRBF 网络隐藏层节点的个数、中心及宽度,可以有效地提高逼近模型的抗干扰性和灵活性。协同逼近模型中利用 Q 和V 值函数协同塑造 TD 误差,在一定程度上利用了环境模型的先验知识,因此可以有效地提高算法的收敛速度和初始性能。从理论上分析了 QV（λ）算法的收敛性,并对比其他的函数逼近算法,通过实验验证了 QV（λ）算法具有较优的性能。     

一种新的基于值函数迁移的快速Sarsa算法

知识迁移是当前机器学习领域的一个新的研究热点.其基本思想是通过将经验知识从历史任务到目标任务的迁移,达到提高算法收敛速度和收敛精度的目的.针对当前强化学习领域中经典算法收敛速度慢的问题,提出在学习过程中通过迁移值函数信息,减少算法收敛所需要的样本数量,加快算法的收敛速度.基于强化学习中经典的在策略Sarsa算法的学习框架,结合值函数迁移方法,优化算法初始值函数的设置,提出一种新的基于值函数迁移的快速Sarsa算法--VFT-Sarsa.该算法在执行前期,通过引入自模拟度量方法,在状态空间以及动作空间一致的情况下,对目标任务中的状态与历史任务中的状态之间的距离进行度量,对其中相似并满足一定条件的状态进行值函数迁移,而后再通过学习算法进行学习.将VTF-Sarsa算法用于Random Walk问题,并与经典的Sarsa算法、Q学习算法以及具有较好收敛速度的QV算法进行比较,实验结果表明,该算法在保证收敛精度的基础上,具有更快的收敛速度.     

办好《铝加工》更上一层楼

1 1992年编辑工作的进展自1991年镇江会议以来,我们共组稿119篇,其中著作稿86篇,翻译稿33篇,著作稿和翻译稿分别占总稿量的72.3％和27.7％,著作稿是翻译稿的2.6倍。采用稿89篇,其中著作稿72篇,翻译稿17篇,分别占总录用稿的80.8％和19.2％,著作稿是翻译稿的4.2倍,与去年同期相比略有提高。投稿和用稿的情况表明,来自生产实践和科研攻关、技术改造前沿阵地的技术文章、经验总结占绝大多数,充分体现了“以我为主,洋为中用”、“拿来借鉴、加快发展”的原则,也体现了《铝加工》为企业科技进步服务的宗