关键词： 极限学习机   自动编码器   特征学习   数据分类  

摘要： 极限学习机自动编码器(ELM-AE)将极限学习机(ELM)技术与自动编码器(AE)结合,可以无监督学习数据特征且克服了参数迭代调整的昂贵时间消耗。然而,以最小化重构误差为目标的ELM-AE并不能有效利用分类问题中的数据类别信息,导致特征的类别可分性较差。针对此现象,本文提出一种面向数据分类的含类信息极限学习机自编码(CELM-AE)特征学习方法,该方法将投影特征向量的类间离散度与类内相似度限制到ELM-AE的目标函数中,且可通过解析算法求得更具类别分辨力的最优数据表示。对6种UCI数据集分别使用基于CELM-AE、ELM-AE和AE的特征表示进行分类实验,结果表明,CELM-AE得到的数据特征在两种分类器(ELM/KNN)下的分类精度与稳定性表现均优于ELM-AE与AE,且时间代价很小,说明了CELM-AE在提取可分性数据特征表示方面的优势。

关键词： 云覆盖   遥感时空融合   深度学习   重建   水体提取  

摘要： 遥感影像时空融合是一种获取高时空分辨率数据的有效手段,但现有方法在选定基础数据对时要求预测时间低分辨率数据无云覆盖影响,这极大地限制了其应用潜力。为此,提出一种面向云覆盖的遥感影像时空融合方法,即在深度学习框架下,构建重建子网络恢复预测时刻云下缺失信息,将重建后的低分辨率影像与前后相邻时刻高、低分辨率数据对构建时空融合子网络,得到最终的融合影像。以安徽淮南采煤沉陷区Landsat和MODIS反射率数据为例,对预测时刻MODIS数据模拟不同缺失率的云污染;利用所提方法进行时空融合实验,进而比较深度学习与传统方法融合数据对水体信息的提取效果。结果表明:该方法融合结果各波段的RMSE和SSIM均取得较好的定量评价效果,且总体优于传统方法;沉陷区水体提取实验表明本方法水体提取结果更加接近真实观测影像。因此,该方法降低了时空融合对数据的限制要求,且具有更高的融合精度和更有效的应用性。

关键词： 多模态学习   故障诊断   滚动轴承   变载荷   噪声  

摘要： 滚动轴承在实际运行中负载多变且噪声干扰较大,导致故障特征提取及诊断困难,针对此问题本研究提出一种用于机械设备故障诊断的深度学习方法(MF⁃CNN),该方法将多模态融合技术(MFT)与卷积神经网络(CNN)结合,用卷积神经网络对一种工况下的滚动轴承故障数据分别提取时域、频域两个模态特征并融合,将融合后的特征作为故障分类的依据来构建整个网络,对变工况下的未知故障类型的数据进行测试,实现时域、频域双模态对轴承故障类型的联合诊断。大量实验结果表明,在变载荷和噪声下,MF⁃CNN模型用于故障诊断的准确率相对传统单模态的时域CNN和频域CNN均有提高,对由重载荷向轻载荷变化的工况下准确率提升更为明显。

关键词： 教育   师生关系   天赋   学习方法  

摘要： 《地球上的星星》是一部充满温情的电影。影片主要诠释着这样一个主题:每个孩子都是独一无二的,我们需要有科学的儿童观,儿童是自由的、有个性的人,我们要善于发掘他们身上的闪光点。《地球上的星星》体现了德国教育家雅斯贝尔斯的教育理念:爱是教育的原动力。爱是打开孩子成长之门的钥匙,只有正确表达爱,才能真正唤醒孩子的成长意识。影片中不同的人对伊桑表达爱的方式能够给我们一些启示。

关键词： 求本溯源   设疑障   抓核心  

摘要： 立足学生,让教学围绕学生进行,就需要教师始终站在学生的立场,引领学生求本溯源,围绕知识的出发点,觅其根;巧设疑障,延伸知识,究其因;异中求同,体验价值,悟其真。在“分数的意义”的教学中,笔者不断引领学生深入学习,经历过程,逐步体会、感悟分数的意义。

关键词： 受限马尔可夫决策过程   安全强化学习   多维约束   Sarsa(λ)算法   Sarsa算法  

摘要： 很多强化学习方法较少地考虑决策的安全性,但研究领域和工业应用领域都要求的智能体所做决策是安全的.解决智能体决策安全问题的传统方法主要有改变目标函数、改变智能体的探索过程等,然而这些方法忽略了智能体遭受的损害和成本,因此不能有效地保障决策的安全性.在受限马尔可夫决策过程的基础上,通过对动作空间添加安全约束,设计了安全Sarsa(λ)方法和安全Sarsa方法.在求解过程中,不仅要求智能体得到最大的状态-动作值,还要求其满足安全约束的限制,从而获得安全的最优策略.由于传统的强化学习求解方法不再适用于求解带约束的安全Sarsa(λ)模型和安全Sarsa模型,为在满足约束条件下得到全局最优状态-动作值函数,提出了安全强化学习的求解模型.求解模型基于线性化多维约束,采用拉格朗日乘数法,在保证状态-动作值函数和约束函数具有可微性的前提下,将安全强化学习模型转化为凸模型,避免了在求解过程中陷入局部最优解的问题,提高了算法的求解效率和精确度.同时,给出了算法的可行性证明.最后,实验验证了算法的有效性.

关键词： 推抓技能学习   功用性图   自监督学习   自适应参数   拆分注意力机制  

摘要： 提出了一种基于功用性图的目标推抓技能自监督学习方法。首先,给出了杂乱环境下面向目标推抓任务的机器人技能自监督学习问题描述,将工作空间中机器人推抓操作的决策过程定义为一个全新的马尔可夫决策过程(MDP),分别训练视觉机制模块与动作机制模块。其次,在视觉机制模块中融合自适应参数与分组拆分注意力模块设计了特征提取网络RGSA-Net,可由输入网络的原始状态图像生成功用性图,为目标推抓操作提供良好的前提。然后,在动作机制模块中搭建了基于演员-评论家(actor-critic)框架的深度强化学习自监督训练框架DQAC,机器人根据功用性图执行动作后利用该框架进行动作评判,更好地实现了推、抓之间的协同。最后,进行了实验对比与分析,验证了本文方法的有效性。

关键词： 城镇建设适宜性   机器学习   贝叶斯网络   非线性认知   线性规则  

摘要： 研究目的:避免城镇建设适宜性评价指标及其权重体系建立的主观性,通过“数据海选—非线性认知—线性规则转化”的方式,探索能反映城镇建设适宜性影响因素之间真实联系、评价结果易于理解、便于落地实施的城镇建设适宜性评价方法。研究方法:非线性机器学习、贝叶斯网络模型。研究结果:贝叶斯网络非线性结构学习出的有向无圈网络(DAG)揭示了城镇建设适宜性评价指标影响的线性主次性,贝叶斯网络非线性参数学习出的各评价指标重要度映射出城镇建设适宜性评价指标的线性重要度。研究结论:对比“专家经验线性评价”、“非线性贝叶斯网络评价”“转化线性规则评价”三种方法评价结果,非线性贝叶斯网络评价结果的合理性大大高于专家经验线性评价结果,转化线性规则评价结果的准确性不如非线性贝叶斯网络评价,但误差在可接受范围内,评价出的城镇建设适宜用地更加集中连片,评价结果易于感知、理解,可行性强。

关键词： 历史进步   整体性特征   历史阶段性  

摘要： 领导干部学习马克思主义经典著作,必须从新时代思想建党、理论强党高度,厚植正本清源、应势通变、立德强能的唯物史观根底。透过浩繁的理论内容深悟经典,抓住历史进步在其大概率可能性与人们为之奋斗的主观努力相契合中实现,把握“两个必然”的真理性;抓住世界观与人生观相统一的整体性特征,把握马克思主义立场观点方法超越工具理性、引领崇高价值追求的真谛;抓住“历史连续性和历史阶段性”中展现的理论“模板”与“现实版”,把握马克思主义基本理论和创新理论的内在继承发展关系,从而使学习经典与增强理想信念、破解使命课题、坚持人民立场、改进领导方法贯通起来。

关键词： 强化学习   多智能体   任务对话系统   对话策略学习   模仿学习   近端策略优化  

摘要： 对话策略是面向任务的对话系统中的关键组件,给定当前对话状态输出下一个系统动作.近年来,对话策略学习已被广泛地描述为强化学习问题.一种常见的方法是让对话智能体与用户模拟器互动学习.然而,构建一个可靠的用户模拟器并不是一件容易的事,通常与构建一个好的对话代理一样困难.为了避免显式地构建一个用户模拟器,提出了一种PPO强化学习的多智能体对话策略学习方法,将系统端和用户端都构建为智能体.该方法主要通过两个阶段进行策略学习:1)阶段1是模仿学习,采用模仿学习中的行为克隆的方式,对系统策略和用户策略进行预训练;2)阶段2是多智能体强化学习,采用一种数据样本利用率更高以及鲁棒性更好的近端策略优化(PPO)算法,对系统端和用户端的对话策略进行学习.最后,在公开的多域多意图的面向任务的对话语料MultiWOZ上进行了实验,验证了方法的有效性,还分析了在复杂任务中的可伸缩性.此外,将学到的对话策略集成到ConvLab-2平台上进行整体效果评估.