分布式训练系统及其优化算法综述

人工智能利用各种优化技术从海量训练样本中学习关键特征或知识以提高解的质量,这对训练方法提出了更高要求.然而,传统单机训练无法满足存储与计算性能等方面的需求.因此,利用多个计算节点协同的分布式训练系统成为热点研究方向之一.本文首先阐述了单机训练面临的主要挑战.其次,分析了分布式训练系统亟需解决的三个关键问题.基于上述问题归纳了分布式训练系统的通用框架与四个核心组件.围绕各个组件涉及的技术,梳理了代表性研究成果.在此基础之上,总结了基于并行随机梯度下降算法的中心化与去中心化架构研究分支,并对各研究分支优化算法与应用进行综述.最后,提出了未来可能的研究方向.

支持协作多点技术的网络架构的研究

协作多点(coordinated multi-point,CoMP)技术因能有效改善小区边缘用户性能,提高系统吞吐量,引起了业界的广泛关注和研究。CoMP的研究要基于一定的网络架构,目前已有的中心式和分布式网络架构存在回程容量大、CoMP时延高、复杂度高等问题。本文提出了改进型分布式网络架构,在传统分布式网络架构的基础上增加了集中控制的逻辑实体,能有效简化CoMP流程,减少CoMP时延以及实现复杂度。

战场电磁态势的沉浸式虚拟现实及其应用

准确掌握战场电磁态势不仅是实施电子对抗指挥控制的重要基础，而且也是大规模多兵种联合作战的必要条件。针对战场电磁态势的可视化呈现问题，首先分析了以计算机平面显示器为主的传统电子沙盘显示方式所存在的不足，然后将沉浸式虚拟现实与分布式虚拟现实技术相结合，在构建虚拟三维沙盘的基础上，把各种战场电磁态势要素与相关信息以三维图形、图像、文字等方式叠加显示于虚拟沙盘之中，用户通过虚拟现实设备沉浸于其中，并与之进行高效交互，从而准确、全面、有效地获得所关注区域的电磁态势。最后总结了该技术所具有的优势，并探讨了在电子对抗领域中的应用。这对于电子战新型人机交互方式的研发与虚拟现实技术在电子战领域中的应用提供了重要参考。

基于区块链技术的物流金融创新探究

本文以物流金融为主要研究对象,首先对其发展现状、存在问题进行了简要分析,并结合区块链技术,分析了结合区块链技术的物流金融新模式,并针对该模式发展提出了一定政策建议。一、区块链与物流金融理论概述1.区块链技术。区块链(Blockchain)最早是比特币交易系统的基础架构,属于一种新型的、去中心化的协议,从技术角度来看,其在密码学原理基础上,利用加密算法、点对点传输等现代化信息技术,将数据进行分布式存储与记录,在去中心化的基础上实现合约的自动执行。

引入通信与探索的多智能体强化学习QMIX算法

非平稳性问题是多智能体环境中深度学习面临的主要挑战之一,它打破了大多数单智能体强化学习算法都遵循的马尔可夫假设,使每个智能体在学习过程中都有可能会陷入由其他智能体所创建的环境而导致无终止的循环。为解决上述问题,研究了中心式训练分布式执行(CTDE)架构在强化学习中的实现方法,并分别从智能体间通信和智能体探索这两个角度入手,采用通过方差控制的强化学习算法(VBC)并引入好奇心机制来改进QMIX算法。通过星际争霸Ⅱ学习环境(SC2LE)中的微操场景对所提算法加以验证。实验结果表明,与QMIX算法相比,所提算法的性能有所提升,并且能够得到收敛速度更快的训练模型。