模具的石膏改性研究

石膏模具存在重量轻、生产效率高、能耗少等诸多优点,因此,在国内外得到广泛应用。但是,它也存在强度较低、使用寿命不长、质量不优良和抗冻性差等缺点,所以,如何有效地提高石膏模具的性能、最大限度发挥其优势成为当前需要解决的主要问题。本文着重研究了石膏模具改性方法,以优化改性剂配方,揭示改性机理,有效提高石膏模具的性能。     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

基于改进LDA的社会化标签主题识别方法

针对社会化标签中资源之间存在独立同分布特性,并且其对应的标签资源作为资源内容的特殊语义内容,提出一种联合特征词加权-LDA(Joint Feature Word Weighting-LDA)在资源内容和标签下联合主题识别方法,从而解决资源存在的独立同分布特性以及特征词采样等问题.首先建立评论及对应标签资源在信息熵相似度条件下的潜在关系,对该潜在关系使用随机游走方法获取各组资源和各组标签的权值系数,消除资源间的独立同分布.通过加权方法加权至每个资源的特征词,形成资源特征词和标签特征词的权重值系数.在此基础上构建联合特征词加权-LDA模型,通过迭代学习方法获取社会化标签资源的隐含主题知识.通过实验表明,提出的联合特征词加权-LDA相对于其他主题模型具有更好的主题识别效果.     

欧洲颠覆性太空技术搜寻方法体系研究

 欧洲颠覆性太空技术搜寻计划因其系统化的优势而受到关注。研究了欧洲颠覆性太空技术搜寻初选、评价环节，分析了颠覆性太空技术的理论基础、基于STEP框架的评价标准和评价方法，介绍了颠覆性太空技术的技术路线图。通过对欧洲颠覆性太空技术方法体系在理论、方法、实施3个层面经验的总结，得出推动中国颠覆性技术创新的启示，即重视技术应用场景分析，建立专家履历信息平台，构建多源信息支撑体系，加强技术发展规划管理等。     

复合型固体饮料加工工艺研究

以红枣、花生、枸杞、生姜为主要原料,麦芽糊精为助干剂,通过喷雾干燥技术开发出一种复合固体饮料.通过考察热水浸提、果胶酶浸提以及超声波辅助果胶酶浸提这三种前处理方式,以及喷雾干燥中的料液比、助干剂的添加量、出风温度这三个影响因素,探讨了复合型固体饮料的加工工艺.以出粉率、喷雾干燥效果和感官分值为评定标准,最终得到最佳前处理方式为超声波辅助果胶酶浸提,且其喷雾干燥的最佳条件为料液比1:6,固形物与助干剂的比例1:1,出风温度85℃.     

基于核函数强化学习的抗干扰频点分配

针对学习未知动态的干扰图样问题，提出一种基于核函数强化学习的雷达与通信抗干扰频点协作算法。与需要获得干扰模式、参数等先验知识的研究相反，所提算法能够利用过去时隙中频点的使用情况来优化抗干扰频点分配策略。首先，通过核函数的强化学习来应对维度诅咒问题。其次，基于近似线性相关性的在线内核稀疏化方法，确保了抗干扰频点分配算法的稀疏性。最后，仿真结果验证了所提算法的有效性。得益于稀疏化码字对于系统动态特性的学习，所提算法与传统基于Q学习的抗干扰频点分配算法相比，收敛时间更短，并且可以快速规避外部未知干扰源的干扰。     

一种改进的基于极小调节的多属性共识法则的共识模型

在群体决策中,共识达成过程通常是一个交互迭代的过程,以共识模型(或算法)形式呈现。对于多属性群体决策,基于极小调节的多属性共识法则的共识模型最近受到较多关注。本文举例说明现有共识模型因其偏好调节建议的缺陷可能导致迭代过程不能收敛(其收敛性的证明存在错误),进而提出一个改进的共识模型,并证明了模型算法的收敛性;示例说明改进的共识模型有效、适用范围更广。对于多属性群体决策问题,本文提出的偏好调节方法对今后改进其他相关的基于极小调节的共识模型(算法)和开发新的共识模型提供了参考。     

一类带有非线性记忆项的反应扩散系统的自由边界问题

研究了一类带非线性记忆项的具有双自由边界的反应扩散问题,证明了该反应扩散问题解的存在唯一性,并且得到了自由边界的单调性.     

抛物方程非特征柯西问题的分数次Tikhonov方法

讨论了一个不适定的抛物方程的非特征柯西问题,为了解决这个问题,采用了分数次Tikhonov正则化方法,并提出先验和后验两种参数选取规则下的稳定误差估计。     

基于一维数据逐段均匀条件下的参考分布研究

聚类分析中一个重要的问题是估计聚类数,GS方法通过参考分布对聚类数进行合理的估计,解决了其他聚类方法无法对应分为一类的数据进行分类的问题,具有更好的分类效果;目前已通过理论证明得出,在分布为对数凹且一维情况下,GS方法的参考分布为均匀分布,而有关其在其他条件下的参考分布研究较少;针对这一情况,提出解决一维且逐段均匀条件下GS方法的参考分布问题,以类内平方和为评价标准,通过拉格朗日乘数法求解与问题等价的优化问题,理论证出条件下总体均匀分布是类内平方和最大的情况,进而得出对于一维数据,逐段均匀条件下的参考分布仍为均匀分布的结论。