主成分分析法及其EXCEL实现

主成分分析是一种重要的多元统计分析方法,其广泛应用于自然科学和社会科学的研究中。主成分分析运算过程较复杂,一般需要借助于统计软件来实现。如果手工运算不但计算量大,而且容易出错。文章利用EXCEL中的相关函数,给出了一种实现主成分分析的EXCEL简便算法。

一种基于盲数的主观赋权法研究

为了进一步提高指标主观赋权的科学性和合理性,提出了一种基于盲数理论的多指标主观赋权新方法,并阐述了其基本原理和应用步骤。实例研究表明,该方法能够充分利用多专家信息,有效降低赋权中的主观误差,其可行性和有效性得到验证。

基于课程强化学习的无人机反坦克策略训练模型

智能化时代,陆战场的争夺从平面制陆向立体制陆拓展,无人机反坦克作战在未来智能化战争制陆权的争夺中起着至关重要的作用。针对深度强化学习方法在复杂问题求解中面临的决策空间爆炸、奖励稀疏等问题,提出了一种基于VDN的动态多智能体课程学习方法。该方法在多智能体深度强化学习的训练过程中加入课程学习方法,结合Stein变分梯度下降算法改善课程学习的学习过程,解决了强化学习在复杂任务中初始训练效果差、训练时间长和收敛难的问题,并在多智能体粒子环境和无人机反坦克作战场景中分别构建了课程学习模型,实现了模型与训练先验知识从易到难的迁移。实验结果表明,通过课程学习DyMA-CL机制对强化学习训练过程进行改善,强化学习智能体在进行困难任务学习时能够获得更好的初始训练效果和更快的模型收敛速度,从而得到更好的最终效果。

基于课程强化学习的联合海空博弈决策模型训练方法

针对多智能体深度强化学习在解决联合海空作战战术博弈决策模型难以训练优化问题,结合多智能体深度强化学习在智能化指挥决策问题中的应用性优势,以及课程学习在复杂问题研究中的改进优势,构建基于马尔可夫决策过程的联合海空战术决策过程模型,提出基于复杂度指数函数的任务复杂性度量方法,建立基于值分解网络算法的求解模型。针对一个典型联合海空作战战术决策场景,构建从易到难的课程学习任务和模型求解框架,设计针对任务的决策模型训练方法,在兵棋推演仿真系统上,对模型训练方法的可行性进行了验证。

基于云模糊综合评价法的商业银行岗位价值评估

为进一步提高商业银行岗位评估的科学性和合理性,运用云模糊综合评价法确定岗位价值,并阐述其建模基本思想和求解步骤。应用实例表明,该方法评估客观,结论可靠,具有较高的理论价值和应用价值。

基于云重心理论的农户信用评级新方法

为进一步提高农户信用评价的客观性和合理性,基于经济较发达地区农户小额信贷的实践,建立农户信用评价指标体系,利用层次分析法确定指标权重,运用云重心理论构建综合评价模型,为农户信用等级评定提供一种新方法。应用实例表明,该方法具有科学性和实用性。

用未确知有理数确定指标主观权重方法研究

指标权重的合理确定对多指标综合评价至关重要。为了进一步提高指标主观赋权的科学性和合理性,文章提出了应用未确知有理数确定评价指标主观权重的新方法,阐述了其基本思想和求解步骤。应用实例表明,该指标主观赋权法计算简单,结论可靠,具有一定的实际应用价值。

商业银行客户价值评价的改进突变级数法研究

为了更好地对银行客户价值进行分析,本文以授信类企业为例,构建了客户价值评价指标体系,采用改进的突变级数法对10家样本企业的客户价值进行了综合评价。结果表明,改进突变级数法克服了指标权重确定的主观性,提高了突变级数转换评价值的分辨率,评价结果更符合实际且更为直观。

基于盲数理论的企业流动资金贷款测算新方法

为进一步完善企业流动资金贷款管理办法,针对银监会流动资金贷款测算公式的缺陷,将盲数理论引入测算过程提出了改进后的公式。将盲数理论应用于某企业流动资金贷款测算中,不但可以给出流动资金贷款的各种可能取值区间,而且还可以得到各区间相应的可信度分布。应用实例表明,该方法可行且测算结果可信。

基于课程学习的深度强化学习研究综述

作为解决序贯决策的机器学习方法,强化学习采用交互试错的方法学习最优策略,能够契合人类的智能决策方式。基于课程学习的深度强化学习是强化学习领域的一个研究热点,它针对强化学习智能体在面临高维状态空间和动作空间时学习效率低、难以收敛的问题,通过抽取一个或多个简单源任务训练优化过程中的共性知识,加速或改善复杂目标任务的学习。论文首先介绍了课程学习的基础知识,从四个角度对深度强化学习中的课程学习最新研究进展进行了综述,包括基于网络优化的课程学习、基于多智能体合作的课程学习、基于能力评估的课程学习、基于功能函数的课程学习。然后对课程强化学习最新发展情况进行了分析,并对深度强化学习中的课程学习的当前存在问题和解决思路进行了总结归纳。最后,基于当前课程学习在深度强化学习中的应用,对课程强化学习的发展和研究方向进行了总结。

基于城市轨道交通无人驾驶技术的矿车无人驾驶系统

文章从矿山作业场景和城市轨道交通无人驾驶技术引入,重点介绍矿车无人驾驶系统中基于5G技术的车地通信网络、地面控制中心和车辆控制主机的构成和功能,并给出系统实施建议和系统评价。

智能化指挥控制视角下的博弈强化学习

人工智能技术的快速发展使得各国信息化建设水平不断提高。智能化是未来战争形态发展的必然趋势,智能化战争对指挥控制也提出了新的要求,即智能化指挥控制。通过对智能化指挥控制与传统指挥控制的分析发现,智能化指挥控制需要博弈强化学习等人工智能技术为其提供支撑。博弈强化学习能够提升指挥控制中态势预测、方案评估和行动控制等能力,但博弈强化学习仍有诸多瓶颈问题。为进一步加深和拓宽博弈强化学习的理论研究,给出了基于图论、元均衡、复因子动力学和分数阶微积分等不同领域的新型解决思路。最后,为验证上述理论提出了基于演化博弈的EG-Q-Learning强化学习算法模型,并阐述了关于当前智能技术的几点思考。