遥感卫星任务智能决策的机器学习方法研究

基于遥感卫星任务决策的特点,研究如何采用机器学习方法对执行任务时产生的大量动作、指令和遥测数据进行分析和训练。为了给遥感卫星任务建立机器学习方法,探索机器学习辅助遥感卫星任务智能决策的可行性,并探讨机器学习模型对卫星任务数据的适应性和处理效率。借鉴地面相关人工智能系统成熟的机器学习架构,研究建立遥感卫星任务相关智能决策的机器学习方法,并给出了机器学习的样例。研究结果表明:机器学习方法的适应性很强,初步实现了遥感卫星自主任务决策,并达到一定的准确率,对卫星任务智能决策技术进行了有益探索。

一种半监督学习潜艇规避防御智能决策方法

潜艇水下作战行动中,受到水下弱可观测环境影响,获取的目标信息呈现稀疏特性。机动规避是潜艇水下防御的重要战术方法,现有机动规避参数仿真与优化方法在建模时不可避免引入观测误差,缺乏对态势演变的应对手段,且由于军事专家的稀缺性,获取军事专家标签的战术对抗样本代价十分昂贵。针对上述困难提出一种基于自编码与主动Q学习策略结合的半监督学习智能决策方法。通过引入对比预测编码自编码器,最大化时序输入与上下文间互信息熵,提高对稀疏时序输入的表征能力。将表征输入与主动强化学习任务相结合,降低智能体的标签需求率,提高规避决策时对环境反馈的能力。基于3 a采集的指挥员战法研练复盘数据构建上帝视角、红方视角数据集。实验结果表明:所提算法与不采用稀疏时序自编码器的算法消融实验,在完全信息、红方视角条件下决策精度分别达到98%、78%,而标签需求率仅为4%、44%;相比于经典的时序分类算法决策精度提高了14%、9%,与有监督算法相比在标签需求率降低为原来的24%~44%条件下,决策精度误差与有监督算法仅差1%,说明所提算法在保证决策精度的同时可大幅降低标签需求量,从而为少量样本条件下的军事智能决策提供一种通用的技术框架。

大数据分析与智能决策教学的产教融合探讨——基于财务管理专业

大数据时代,信息技术加速创新与应用落地,先进技术在企业管理中的应用日益广泛,经济社会已全面开启数字化转型之路,财务管理人员需要掌握大数据分析与智能决策等先进方法以应对财务管理工作模式变革与职能转型,这也为高校人才培养带来挑战与新课题。本文基于财务管理专业对大数据分析与智能决策教学的产教融合进行探讨,明确了产教融合目标,并设计出加强需求分析和多元化课程设计、促进师资培训与团队建设、构建多层次实践教学体系、创新教学方法、完善考核评估内容等产教融合实践路径,为产教融合的顺利开展提供参考。教师的实践教学和创新教学能力直接影响教学效果,因此关注财务管理专业大数据分析与智能决策教学师资队伍建设问题,推动教学改革的深入,培养具有实务技能和操作技能的大数据分析与智能决策人才,实现大数据时代人才培养目标,具有十分重要的理论和实际意义。

基于深度强化学习的火电机组制粉系统自启停智能决策

针对目前人工决策基础上的制粉系统一键启停技术存在决策主观经验性强、操盘劳动强度大、节能优化潜力难以发掘等问题,提出了一种综合考虑制粉系统能耗与机组负荷跟踪性能的制粉系统启停决策评价模型,以安全引入网调负荷计划指令信号作为输入,研究了基于深度强化学习的制粉系统自启停智能决策方法,开发了制粉系统自启停决策闭环控制系统。研究结果通过仿真验证,并已在某超超临界1000 MW机组常用磨煤机上成功应用,节能降耗效果显著。研究结果可为火电机组少人、无人化运行技术提供有效借鉴。

人工智能在人力资源调配智能决策中的应用

人工智能在现代社会发展过程中,无论是对现代社会的生产方式或者是对现代人的生活方式都产生出不同程度的影响。人工智能现如今已经被广泛应用在很多领域中,对人力资源管理也会产生一定的影响和作用。本文的目的是研究人工智能时代下人力资源调配的智能决策。本研究主要利用案例分析法和数据分析法探索人工智能在人力资源调配智能决策中的应用,分析了人工智能和人力资源调配得相关概念,根据现下背景分析了人工智能在当前人力资源调配中得应用优势,探究人工智能与人力资源调配如何结合,来更好的实现人力资源调配的智能决策。实验结果表明,将人工智能与人力资源调配结合在一起可以使管理者实时监控人力资源配置情况,尽可能地实现信息化调控,具有实时动态性,并且可以充分挖掘人力资源潜力,提高了管理者地工作效率和管理效能,实现企业或者高校的高质量快速发展。

依托神经网络的玉米水肥智能决策系统软件开发

基于神经网络技术,设计开发了玉米水肥智能决策系统,旨在为农业从业者提供高效的水肥配施决策。系统采用B/S架构的三层架构,依托Django框架实现业务逻辑,MySQL数据库和Redis技术用于数据存储和提升系统性能。系统的核心功能模块包括数据管理、模型管理、信息交互、资料管理、账户管理和系统管理,数据库设计以MySQL为基础,构建了完备的表格关系模式,为用户提供了便捷的决策支持和交流互动平台。

特征迁移的细粒度产品形态智能决策方法

针对产品形态智能决策框架系统性不强、模型决策机制单一且历史样本数据量少等问题,提出一种基于混合迁移学习的细粒度产品形态智能决策方法.该方法将Swin Transformer和ResNets作为骨干网络设计了3个并行混合迁移学习子网络,包括产品形态识别网络(Form-CN)、产品形态深度回归评价网络(Form-REN)和产品形态分布拟合评估网络(Form-DFEN).首先应用Form-CN对产品进行细粒度形态分类判别,实现产品形态设计定位识别任务;其次应用Form-REN对产品整体形态语义进行预测评价;然后通过Form-DFEN对产品形态进行分布拟合评估;最后由Form-REN和Form-DFEN完成综合决策.以创建的手电钻数据集进行实验,并与其他经典模型进行比较,结果表明,所设计的3个网络分别取得了99.0%的准确率、0.2583的均方误差和84.3%的准确率;所提方法能够精细、高效地辅助设计师进行综合智能决策,为产品形态智能决策提供了一个更为系统的参考框架.

集对分析在不确定性智能决策中的应用

语言是思维的表达,智能决策是基于确定性与不确定性对立统一思维的一类高级决策。文章综述集对分析在纯自然语言决策,自然语言与数学混合语言决策,区间数决策和直觉模糊决策,集对分析粗糙集决策,联系数与马尔可夫链相结合的决策,赵森烽-克勤概率的贝叶斯决策,偏联系数的决策和同异反综合集成决策等方面的应用。特点是把基于确定性的决策建模与不确定性系统分析相结合,把系统宏观层次的分析与微观层次的分析相结合,把两种或多种决策方法综合集成,根据不确定性的具体情况给出决策建议,因而是一种立足于全局的智能决策,并认为集对分析的不确定性智能决策过程,在本质上是把决策系统中的信息能转换成智能的过程。

基于智能决策的农业监控管理系统研究

本研究基于互联网与物联网技术的融合,针对传统农业的升级需求,设计了智慧农业大棚监控管理系统。该系统集传感器、控制设备、服务端、云平台及移动客户端于一体,实现了对作物生长环境的实时监测与智能调控。通过STM32微控制器处理环境参数数据,有效调节棚内环境,同时利用WiFi实现与云平台的通信。本研究还引入了智能决策系统,利用植物生长数据训练模型,智能判断与预测生长环境及阶段,开发了用户友好的移动App,方便农户随时掌握大棚信息。本系统的应用提升了农业生产的精细化与智能化水平,有效节约了资源,保障了作物产品的质量安全。

基于DQN变动力智能决策的轨迹规划

针对航天飞行器气动力不足难以维持应急侧向操纵确保安全避开障碍物的问题,提出一种基于深度Q学习网络(Deep Q-learning Network,DQN)变动力智能决策的轨迹规划方法。根据变动力航天飞行器运动学方程,设计基于航程误差的纵向制导律和考虑避开障碍物的横侧向制导律,用于实时校正倾侧角的幅值和符号,保证终端制导精度和绕飞安全性。从变动力智能决策层面出发,将航天飞行器动力档位调节问题转化为马尔可夫决策过程,以攻角、马赫数以及航天飞行器与障碍物的相对距离为状态空间,以航天飞行器动力档位为动作空间,设计考虑碰撞概率和终端约束偏差的奖励函数,构建DQN网络对智能体进行训练,以得到最佳动力档位。仿真结果表明,所提算法可以赋能航天飞行器在满足终端约束条件下提升运动过程的横向避障能力。

智库视角下的智能决策研究——基于MIPS逻辑层次法

[目的/意义]决策范式逐渐从信息化向智能化升级转型。为使智能决策更好地赋能智库问题研究,本文通过探索智能决策与智库问题研究的耦合机理、影响状况、相关政策,提出具体对策建议,以期助力我国智库高质量发展。[方法/过程]本文基于MIPS(Mechanism analysis-Impact analysis-Policy analysis-Solution)逻辑层次法,在机理分析层,引入智能决策技术和思路,从智库问题研究领域、研究方法和实践工具入手,剖析智能决策与智库研究的内在耦合机理;在影响分析层,从学术研究、学科发展和机构赋能3个角度分析智能决策对智库领域发展带来的影响;在政策分析层,梳理和对比分析国内外智能决策相关的代表性政策。[结果/结论]综合上述研究结果,本文从要重视新技术发展、关注科技伦理和知识产权问题、促进智能决策相关方向的智库人才培养和加强制度政策保障等4个层面提出思考建议。

使用处方预审核智能决策系统拦截急诊患者用药错误的回顾性分析

目的分析预审核智能决策系统拦截急诊患者严重用药差错处方的特点,并为提高用药安全和合理用药提供建议。方法通过该系统提取新疆医科大学第一附属医院2022年4月-2023年3月拦截的用药错误处方。回顾性分析用药错误处方的特点。比较人工审核模式与预审核智能决策系统应用后处方不合格率情况。结果预审智能决策系统共拦截用药错误处方5347条,占处方总量的3.11%。用药错误分类采用帕累托图法进行分析,给药剂量、溶媒不合适、给药途径和给药频率为主要因素,分别占26.86%、22.69%、12.83%和10.87%;药物需稀释后使用为次要因素,占10.21%;患者条件、精二药品需单独开具处方、禁用和选用剂型不合适为一般因素,分别占9.95%、4.10%、1.98%和0.52%。人工审核处方不合格率0.242%,预审核智能决策系统审核处方不合格率0.037%,差异有统计学意义(P=0.000)。结论处方预审核智能决策系统在审方药师的监督下,可以验证处方,提高处方的准确性,并提高急诊用药安全性。

融合三支多属性决策与SAC的兵棋推演智能决策技术

近年来,将深度强化学习技术用于兵棋推演的智能对抗策略生成受到广泛关注。针对强化学习决策模型采样率低、训练收敛慢以及智能体博弈胜率低的问题,提出一种融合三支多属性决策(three-way multiple attribute decision making,TWMADM)与强化学习的智能决策技术。基于经典软表演者-批评家(soft actor-critic,SAC)算法开发兵棋智能体,利用TWMADM方法评估对方算子的威胁情况,并将该威胁评估结果以先验知识的形式引入到SAC算法中规划战术决策。在典型兵棋推演系统中开展博弈对抗实验,结果显示所提算法可有效加快训练收敛速度,提升智能体的对抗策略生成效率和博弈胜率。

智能决策系统在航空项目管理中的应用研究

随着航空行业的快速发展,航空项目管理的复杂性和不确定性也在不断增加。为了应对这些挑战,智能决策系统作为一种基于人工智能技术的决策支持工具,其在航空项目管理中的应用越来越广泛。论文首先对智能决策系统进行了概述,然后详细探讨了其在航空项目管理中具体的应用和管理智能化水平的提升。最后,论文指出了智能决策系统在航空项目管理中面临的挑战和未来的发展前景。智能决策系统为航空项目管理提供了一种有效的解决方案,有助于提高项目管理的决策效率、准确性和可预测性,同时也为航空业的智能化发展提供了强大的支持。

大数据下VTE智能决策系统的构建与实践

目的:构建静脉血栓栓塞症(venous thromboembolism,VTE)智能决策系统并探讨其在静脉血栓栓塞症管理中的应用效果。方法:组建研究团队,结合国家政策和医院实际需求,构建VTE指标体系,借助Kettle等数据处理工具建立医院数据中心,基于帆软的丰富图表呈现各种维度的指标值,利用权限管理保证数据安全。在管理方面,完善制度流程,定期开展培训,将指标纳入绩效考核。结果:系统上线后,在临床诊疗方面,VTE风险评估率从99.79%上升至100%,VTE基础预防率从75.06%逐步上升至95.32%,并且每月稳定在90%以上。中高危患者预防率从57.08%上升至64.84%,其中机械预防率从10.02%上升至18.94%,药物预防率从54.17%上升至57.21%,联合预防率从7.11%上升至11.31%。双下肢静脉B超或肺CTPA检查预防率从36%上升至51.83%。在运营效率方面,优化了工作流程,提高了工作效率,依托自研平台的综合管理措施取得了显著成效。结论:VTE智能决策系统能提升护理人员风险评估的依从性,为医护人员提供准确有效的决策依据,辅助临床诊疗和护理,提高医疗质量,满足医院精细化管理需求。

基于LSTM–PPO算法的多机空战智能决策及目标分配

针对传统多机空战中智能决效率低、难以满足复杂空战环境的需求以及目标分配不合理等问题.本文提出一种基于强化学习的多机空战的智能决策及目标分配方法.使用长短期记忆网络(Long short-term memory,LSTM)对状态进行特征提取和态势感知,将归一化和特征融合后的状态信息训练残差网络和价值网络,智能体通过近端优化策略(Proximal policy optimization,PPO)针对当前态势选择最优动作.以威胁评估指标作为分配依据,计算综合威胁度,优先将威胁值最大的战机作为攻击目标.为了验证算法的有效性,在课题组搭建的数字孪生仿真环境中进行4v4多机空战实验.并在相同的实验环境下与其他强化学习主流算法进行比较.实验结果表明,使用LSTM–PPO算法在多机空战中的胜率明显优于其他主流强化学习算法,验证了算法的有效性.

基于空间颗粒模型的电商三维装箱智能决策研究

在电商仓储中,对于不规则物品打包作业属于特殊的三维装箱问题(three dimensional bin packing problem,3D-BPP),需要选择箱子的种类和数量,确定物品的装箱位置和方向,以期最大化利用装载空间。本文采用点云刻画不规则物品的形状,通过颗粒化的思想,将稀疏不均匀的点云转化为不规则物品的空间颗粒凸包,构建了不规则物品三维装箱问题的空间颗粒模型;通过提炼装箱活动实践操作的专家规则,设计了基于经验模拟的启发式算法,并结合DQN(deep q-network)算法框架设计了针对不规则物品三维装箱问题的H-DQN(heuristic deep q-network)算法。此外,本文基于现有行业数据,开发了一个实例生成器用于算例测试。数值测试结果表明,相较于遗传算法等已有算法,H-DQN算法的空间利用率平均提高到45.92%;同时计算速度明显加快,平均降低了97%的计算时间,验证了H-DQN算法处理3D-BPP的有效性。

广东工业大学智能决策与协同控制团队

广东工业大学智能决策与协同控制团队是以鲁仁全教授担任带头人的科研团队,现有成员24名。团队核心成员包括国家杰青1名,教育部高层次人才2名,国家特聘专家1名,国家高层次人才特殊支持计划科技创新领军人才1名,国家级四青人才4名,省级人才6名等。团队获批国家自然科学基金创新研究群体、教育部工程研究中心、科技部重点领域创新团队、科技部创新人才培养示范基地、广东省本土创新创业团队、广东省自然科学基金研究团队、广东省重点实验室和粤港智能决策与协同控制联合实验室。

基于“大数据+AI”的黑土地保护与利用智能决策关键技术研究

黑土地是一种性状好、肥力高的土壤,非常适合植物生长,广泛分布在黑龙江省、吉林省、辽宁省和内蒙古自治区,其对维护粮食安全和生态平衡极为重要。本研究将大数据与人工智能(Artificial Intelligence,AI)相结合,设计基于“大数据+AI”的黑土地保护与利用智能决策系统。该系统融合遥感、气候、土壤和人类活动数据,通过智能分析提供全面的土地退化监测和修复方案。本研究对提高黑土地保护效率、促进农业可持续发展具有重要意义。

信息化产科早期预警智能决策系统辅助分层风险管理对急危重症孕产妇母婴结局的影响

目的:探讨信息化产科早期预警智能决策系统辅助分层风险管理对急危重症孕产妇母婴结局的影响。方法:选取2022年1月1日~6月30日收治的150例采用分层风险管理干预的急危重症产妇作为对照组,按照1∶1比例选择2022年7月1日~2023年1月31日采用信息化产科早期预警智能决策系统辅助分层风险管理干预的150例急危重症产妇作为观察组;比较两组救治成功率、家属满意度、母婴结局。结果:观察组孕产妇救治成功率高于对照组(P<0.05);观察组家属满意度高于对照组(P<0.05),孕产妇不良结局发生率低于对照组(P<0.05),新生儿出生1、10 min时Apgar等级高于对照组(P<0.05),新生儿不良结局发生率低于对照组(P<0.05)。结论:将信息化产科早期预警智能决策系统辅助分层风险管理用于急危重症孕产妇管理中,可提高其救治成功率、家属满意度,改善母婴结局。