基于任务类知识需求模板和用户模型的知识需求研究

为了解决企业知识共享和再利用过程中遇到的困难,首先利用ontology将异构知识源进行有效的集成,给出了基于ontology的异构知识源集成框架.然后利用任务类知识需求模板和用户模型的相互作用,建立了用户知识需求模型,实现知识的自动供给,为企业员工提供个性化服务.还给出了任务类知识需求模板和用户模型的自学习算法.最后给出了一个验证实例.

任务类线索对学习难易度判断及其准确性影响的实验研究

通过两个实验考察任务类线索(词频、关联性、学习次数)对学习难易度判断及其准确性的影响。结果表明:(1)词频和关联性对学习难易度判断等级均有显著影响,高频词对、有关联词对的预测成绩显著高于低频词对和无关联词对的预测成绩;(2)高频词对和低频词对的预测成绩均出现高估,但高频词对的高估更严重;有无关联词对相比,无关联词对预测成绩偏差更大,有关联词对的难易度判断更准确;(3)词频高低只影响成绩的预测,不影响实际回忆成绩;关联性既影响对成绩的预测,也影响实际回忆成绩。(4)学习次数对难易度判断等级没有显著影响,但随学习次数增加,判断准确性降低,出现低估现象。结论:材料因素对学习难易度判断等级具有较稳定的影响;不同材料因素(词频、关联性)对难易度判断准确性的影响方式不同;学习次数对学习难易度判断等级没有显著影响;学习难易度判断中存在练习伴随低估效应。

融合聚类算法与改进哈里斯鹰算法的建筑机器人任务分配方法

建筑机器人技术处于起步阶段,针对建筑机器人多机任务分配问题的相关研究严重不足。因此,对该问题进行分析,将其转化为多旅行商问题进行数学建模,并提出了融合改进哈里斯鹰算法与聚类算法的建筑机器人多机任务分配方法进行求解。首先根据建造任务的空间特征和建筑机器人数量利用聚类算法进行任务聚类;针对哈里斯鹰算法参数敏感与易陷入局部最优的缺点进行基于Logistic混沌映射的改进形成改进哈里斯鹰算法,根据建筑机器人的移动方式构造目标函数并在聚类的基础上进行优化求解,最终确定每个建筑机器人的任务集合与任务执行顺序。为验证该方法的有效性,利用随机生成的3*15、5*40、8*70共3组不同规模的建筑机器人*建造任务数据集进行仿真模拟,并将该方法与未融合聚类算法的GA和IHHO任务分配效果进行对比分析。结果表明,聚类能够有效解决建筑机器人任务分配问题,能够有效降低任务集合之间的空间叠加、增强优化算法的迭代收敛性能;基于Logistic混沌映射改进的算法在迭代开始与收敛时的适应度值更佳;随着问题规模的增大,融合改进哈里斯鹰与聚类算法的建筑机器人任务分配方法效果更显著,说明其更适用于解决大规模复杂的实际问题。

基于语言类任务的概念化强化学习框架

语言类强化学习任务可以促进强化学习策略的泛化性,其关键问题是自动化学习观测和语言描述的通用表示。现有方法往往隐式学习联合表示,不可避免地引入训练集中的虚假相关信息,进而损伤策略的泛化性和训练效率。针对这一问题,本文提出了概念化强化学习框架(CRL),其利用概念化这种从实体提取相似性生成抽象表示的认知方式,通过基于注意力机制的概念编码器和限制性损失函数显式地学习概括且抽象的概念化表示作为强化学习策略的输入。本文在常用的语言条件任务和文本游戏任务上验证了CRL的有效性,结果显示概念化表示大幅提升了策略的训练效率(最多70%)和泛化性能(最多30%),并有效提升了策略的可解释性。

新课标视域下思辨类学习任务群初高中衔接的实践探究

在新课标视域下,思辨类学习任务群的实践探究对初高中衔接具有重要意义。新课标强调培养学生的思维能力、创新精神和实践能力,要求学生具备独立思考、批判性思维和问题解决等综合素养。思辨类学习任务群作为一种教学方法和组织形式,有助于推动初高中学段之间的衔接,培养学生全面发展所需的能力。然而,从当前情况来看,初高中语文衔接工作仍然存在一些挑战,需要教师及时关注和解决。因此,如何基于新课标视域下开展思辨类学习任务群,落实初高中语文衔接工作成为当前教师需要认真思考、分析的问题。

考虑任务聚类的多星观测分阶段调度方法研究

单个轨道圈次内星上能量和侧摆次数有限,在卫星观测调度时考虑任务聚类可以提高观测效率。分析了满足用户分辨率需求下多任务聚类的约束条件,并对聚类任务的时间窗口和侧摆角度进行了合理优化。提出了先聚类后调度再修复的分阶段求解策略:首先用团划分聚类算法和启发式插入聚类算法把多星多轨道圈次观测调度问题转化为单星单轨道圈次观测调度问题,然后采用基于时间序无圈有向图的多准则优化卫星调度方法求解单星单轨道圈次调度问题,最后提出一种修复策略进一步优化调度结果。案例仿真表明,提出的方法可行,能够提高卫星的观测效率。

多类运动想象任务脑电信号的KNN分类研究

针对基于多类任务的运动想象脑电信号的特点,使用共空间模式特征提取方法分别在"一对一"和"一对多"2种特征提取方法下提取了4类任务(想象左右手、双足以及舌头)运动想象脑电信号的特征。设计了基于多类任务模式的k最近邻分类器,针对多类任务分类过程中会出现不同类别的样本点数相等的情况,通过判断距离的方法改进了分类器,对2种特征提取方法下的共空间模式特征进行分类,分类结果的平均最大Kappa系数分别达到了0.55和0.59,说明了该特征提取及分类方法对该数据集的有效性。

敏捷成像卫星密集任务聚类方法

面向应急条件下的观测需求,为提高成像任务完成效率,对敏捷成像卫星密集任务聚类问题进行研究。分析了敏捷成像卫星观测过程,给出了任务聚类的俯仰、翻滚观测摆角及任务间过渡时间约束。建立了聚类图模型,给出了模型的构建算法。设计了一种基于最大最小蚂蚁系统的聚类算法,结合聚类模型特点设计蚁群策略,并对重叠和冲突的聚类任务进行处理。实验算例验证了模型和算法的有效性。

基于任务聚类的IABC云计算资源调度方法

为提高云资源调度的性能,提出基于任务聚类的改进人工蜂群调度方法。建立云任务模型、云资源模型、约束模型、服务质量模型等云问题模型;改进跟随蜂蜜源选择概率,提高优质解选择概率和其附近的有效搜索,改进雇佣蜂的蜜源搜索策略,使算法能够兼顾大范围搜索并快速收敛;提出任务聚类和资源评价方法,将云任务和云资源都分为计算型、通信型、存储型3类,有针对性地进行资源分配。经仿真验证,通过调整优化系数改变优化重心,改进人工蜂群算法在花费、任务完成时间、可靠性方面均可取得最优解;基于聚类的调度方法在任务完成时间和资源利用率上具有优势,任务量越大优势越明显。

基于模糊聚类思想的网格独立任务调度算法

任务调度是网格研究的核心问题之一,在研究网格任务调度问题的基础上,利用模糊聚类思想提出将网格任务与资源进行混合模糊聚类的网格独立任务调度算法,该算法将最适合的资源分配给与之相适应的任务,即尽量将任务调度到恰好满足其需求的资源上执行,从而把综合能力大大超过当前任务的资源"预留"给将来的任务使用,算法具有良好的性能和负载均衡效果,为网格任务调度提供一种新的思路。

潜逻辑运算类皮亚杰守恒任务中的负启动效应

本研究的目的是检验完成潜逻辑运算类皮亚杰守恒任务是否需要认知抑制的参与。被试为两组11岁的儿童,全部通过了标准皮亚杰重量及液体守恒任务。实验一发现儿童在解决类皮亚杰重量守恒任务时出现了负启动效应,负启动量为138.06ms。实验二发现儿童在完成类皮亚杰液体守恒任务时仍然存在负启动效应,负启动量为67.4ms。实验结果表明要成功完成潜逻辑运算领域类皮亚杰守恒任务,也需要认知抑制过程的参与。

类皮亚杰数量守恒任务中的负启动效应

采用负启动研究范式,考察九岁儿童在类皮亚杰数量守恒任务中的负启动效应。实验一重复了Houdé等人的实验过程,发现我国儿童在解决类皮亚杰数量守恒任务中也存在负启动效应,负启动量为310.9ms;实验二改进了Houdé等人研究的实验材料,排除实验材料形状的干扰,发现依然存在负启动效应,负启动量为200.04ms。实验结果表明,成功完成类皮亚杰数量守恒任务需要认知抑制过程的参与。

一个面向仿真程序的任务聚类算法

对仿真程序原始任务图的聚类运算是实现仿真程序并行化的关键。在研制面向仿真程序自动并行化系统AFPS的过程中,提出了一个基于状态变量一阶微分的并行任务聚类算法。使用结果表明,该算法可以最大限度地保证各处理机结点的负载均衡,减少通信次数,且易于实现通信变量的自动确定。

合作型文本共建类任务与二语习得

合作型文本共建类任务是国外最常用的二语教学活动类型之一。研究表明,该类任务能有效提高二语习得者对目标语法项语言形式特征的觉察,促进二语学习。文章基于国外最新实证研究结果,系统论述基于双人小组的合作型文本共建类任务的认知理论基础、任务类型以及对二语学习结果的测试手段,并探讨对我国外语教学和实证研究的意义。

基于团划分的成像侦察任务聚类方法研究

成像侦察任务聚类是提高成像侦察卫星利用效率的重要手段。在分析成像侦察任务间聚类关系的基础上,建立了成像侦察任务聚类模型,采用图论中的团划分理论对其进行求解,并给出了相应算法,最后用一个示例验证了算法的有效性。

基于特征和实例迁移的加权多任务聚类

传统聚类方法只对每个数据集单独进行聚类,但是有时单个数据集中的数据不足以挖掘一个良好的簇结构.在现实生活中,有很多数据集包含相同的类标签,因此存在多个相关的聚类任务.多任务聚类通过在相关任务之间迁移知识来提升每个任务的聚类性能,近些年来它获得越来越多的关注.一个好的多任务聚类算法要完成以下两方面工作:(1)它应该充分利用来自其它任务的知识;(2)它能够自动地评估任务相关性以避免负面迁移.然而,现有多任务聚类方法还不能很好地完成任意一方面的工作.本文提出一个基于特征和实例迁移的加权多任务聚类算法MTCFIR.一方面,它在任务之间既迁移特征表示知识又迁移实例知识,要比大部分现有多任务聚类方法更充分地利用跨任务知识.另一方面,它自动地学习任务相关性来避免负面迁移,并且没有现有评估任务相关性的多任务聚类方法的限制条件.MTCFIR执行以下三个步骤.首先,它利用边缘堆栈降噪自编码器在任务之间学习一个共有的特征表示.该步骤通过迁移特征表示知识来降低任务之间的分布差异,这是一致相似度矩阵学习的前提.其次,它通过在任务之间迁移实例知识来为每个任务学习一个一致相似度矩阵,并且通过对任务进行加权来决定不同任务对每个任务的一致相似度矩阵学习的贡献程度.该步骤可以避免在不太相关的任务之间强制迁移知识所带来的负面影响.最后,它在每个任务的一致相似度矩阵上执行对称非负矩阵分解来得到聚类结果.在真实数据集上的实验结果说明本文提出的方法比传统单任务聚类方法和现有多任务聚类方法具有更好的聚类效果,并且要比大部分多任务聚类方法高效.

改进的遥感卫星成像任务单轨最优团划分聚类方法

针对遥感卫星成像任务规划时对点目标的聚类效果不佳的问题,提出了一种改进的单轨最优团划分聚类方法。根据聚类约束条件,构建任务聚类图模型,并为图模型中的每一条边赋权值;根据图模型中边的权值,构建权值矩阵P;以卫星单轨姿态机动的最大次数作为聚类任务的数量限制,由P依次计算每个聚类任务所有可能的最优聚类方案,并生成对应的收益矩阵M和终点矩阵N;通过循环遍历的方式计算各个聚类方案下的总收益,其中总收益最大的方案即为最优团划分聚类方案。仿真结果表明:提出的改进的团划分聚类方法,能将点目标有效聚类,与传统任务聚类方法相比,可明显提高遥感卫星对点目标的观测效率。研究结果可为我国遥感卫星自主任务规划技术研究提供参考。

MAS中基于任务聚类合同网的自主重构技术

为了保证嵌入式实时计算系统的可靠性,提出了一种基于多智能体的嵌入式自主重构技术。首先描述了可重构MAS的组织结构,在此基础上,通过对故障节点上的任务进行聚类划分,采用基于任务聚类的合同网协商机制实现任务的再分配,提高系统的并行处理能力;同时,系统为上层用户提供透明的通信机制,屏蔽节点重构对于任务通信的影响,保证对协作式多任务可重构支持。

均衡聚类市场拍卖机制的异构无人机集群任务规划方法

针对大规模异构无人机集群的全局任务规划问题,提出一种基于均衡聚类市场拍卖机制的任务规划方法。对无人机群协同合作完成任务的场景进行分析,综合任务聚类和无人机联盟的优势,建立了通用性较高的任务规划模型。考虑到对无人机群负载均衡的需求,融合和改进了K-means聚类算法和市场拍卖机制,形成一种综合考虑路程消耗和任务消耗的均衡聚类市场拍卖算法。在拍卖过程中引入平衡参数,通过计算旅行商问题来修正平衡参数,保证无人机群在负载均衡的同时整体成本不断降低。仿真结果表明,使用均衡聚类市场拍卖机制的任务规划方法能够在较短时间内完成异构无人机群的复杂任务规划,保证无人机群负载均衡的同时,整体成本和总时间上也有较好表现,具有一定的实际应用价值。

超额订购下天文卫星短期任务的聚类规划方法

当用户的观测需求超过卫星的观测能力时,天文卫星的任务规划就成为一个超额订购的问题。对于该问题,设计了一个包含聚类阶段和短期任务规划阶段的框架。首先建立了任务聚类模型,用于减少超额订购任务的规模。其次,使用聚类的结果作为输入,建立了短期任务规划的数学模型。最后,提出了一种自适应混合搜索策略的人工蜂群算法,在基本人工蜂群算法中引入了自适应精英全局⁃局部搜索策略和自适应变邻域最优搜索策略,以求解聚类和短期规划问题。所提出的算法在实验中表现出更好的寻优能力和更快的收敛速度。此外,它还有效地减少了聚类阶段的任务数量,提高了短期任务规划阶段的任务完成度。