电力用户从发电商购电定价的双边贝叶斯动态博弈学习模型

电力用户从发电商直接购电是打破电力垄断经营过程的前奏。采用序贯博弈理论设计二者的交易机制,引入贝叶斯学习模型以提高发电商和用户的学习能力。通过发电商与电力用户的多轮报价,彼此逐轮更新对对方保留价格的认识,以更精确的预期修正报价,改进自身博弈效用,提高双方博弈过程的效率。算例表明发电商和大用户采用贝叶斯学习模型进行博弈具有有效性。

基于对抗学习的信用卡欺诈检测动态模型探索

信用卡欺诈对许多金融机构来说是一个棘手的问题,尽管金融机构基于机器学习算法构建了各种欺诈检测系统,部分欺诈者仍然可以避开欺诈检测,因为这些系统通常不包含有关对手了解欺诈检测机制的信息。为了将欺诈者不断扩充的知识库信息纳入自适应欺诈检测系统,本文基于信用卡欺诈检测动态模型研究项目(以下简称“项目”),探索使用博弈论对抗学习方法来模拟欺诈者的最佳策略,并先发制人地调整欺诈检测系统,提升其应对潜在威胁的能力。

基于概率模型的动态分层强化学习

为解决大规模强化学习中的"维度灾难"问题,克服以往学习算法的性能高度依赖于先验知识的局限性,本文提出一种基于概率模型的动态分层强化学习方法.首先基于贝叶斯学习对状态转移概率进行建模,建立基于概率参数的关键状态识别方法,进而通过聚类动态生成若干状态子空间和学习分层结构下的最优策略.仿真结果表明该算法能显著提高复杂环境下智能体的学习效率,适用于未知环境中的大规模学习.

面向动态交通流的高速公路事故风险模型空间移植研究

本文旨在探究不同尺度数据集对高速公路实时事故风险建模的影响,并实现不同数据特征路段间事故风险模型的空间移植。首先,提取不同特征路段检测器信息,以动态交通流匹配事故数据构建多尺度数据集:高精度数据集、小样本数据集、低精度数据集以及同尺度条件下(同为高精度大样本量)的空间差异数据集;进而,通过贝叶斯Logistic回归量化不同样本量对事故风险模型预测性能的影响;分别采用统计学和机器学习手段建模分析高精度和低精度数据集;最后,基于贝叶斯更新方法建立实时事故风险移植模型,对高速公路实时事故风险预测模型进行空间移植,并验证其可靠性。结果显示:贝叶斯Logistic回归的性能随着样本量增大而有所提升;高精度数据条件下,贝叶斯Logistic回归和RF-SVM(Random Forest-Support Vector Machine)模型的AUC(Area Under Curve)值比低精度条件下分别高出0.092和0.037;在不同数据精度的空间移植中,贝叶斯更新方法可令低精度路段模型的AUC值从0.645提至0.714,在相同数据尺度的空间移植中,该方法可将被更新路段模型的AUC值从0.737提至0.751。结论表明:高样本量路段的模型虽然具备较高的分类准确度,但无法稳定地提升模型的预测性能,而高精度数据路段的模型可获得更高的分类准确度和预测精度;统计学方法在模型解释层面更具优势,机器学习手段在低精度数据路段下的预测性能更好;贝叶斯更新模型能够在一定程度提升空间移植效果。

一个投资者不完全信息动态博弈模型及均衡解

建立一个机构与散户投资者之间,基于价格信号传递的不完全信息动态博弈模型,并利用逆向归纳法求出了精炼贝叶斯均衡解.

基于潜在调控因子筛选的高阶动态贝叶斯建模方法

为了解决目前用于构建基因调控网络的方法中所存在的网络构建准确率低、网络构建时间过长等问题,以及减小网络构建的复杂度,提高网络构建效率,提出了一种基于潜在调控因子筛选的高阶动态贝叶斯网络建模方法(high-order dynamic Bayesian network modeling method based on potential regulatory factor screening,PRS-HO-DBN).该方法将关联模型与高阶动态贝叶斯网络模型相结合,首先利用潜在调控因子筛选的方法在不同的时间延迟下删除与目标基因关联程度较低的基因,保留与目标基因关联程度较高的基因并作为目标基因的潜在调控因子集,以减小搜索空间;然后利用高阶动态贝叶斯模型进行结构学习,以提高网络构建的精确率.与其他的网络构建模型方法相比,该方法可以极大地缩短网络构建的时间,提升效率和精确度.

养老服务监管多主体博弈分析——基于贝叶斯模型

“十四五”规划聚焦养老服务提质的同时,指出养老服务监管也是重中之重。基于贝叶斯博弈模型,围绕养老服务监管问题,构建政府监管部门、养老机构与老年人的博弈机制。研究表明老年人对养老机构服务质量的满意度与政府监管效力正相关,而养老机构规范经营概率与高质量服务成本负相关;养老机构的机会主义行为与监督处罚金额负相关;政府监管存在机构寻租行为的可能性,导致监管失灵;而群众的监督约束会对政府监管产生正向影响。最后提出完善政府监管的建议,促进养老服务行业高质量发展。

交互博弈引导的网络流量异常检测建模方法研究

基于网络流量的系统入侵会带来严重破坏,因此寻找能够准确识别和分类异常流量的方法具有重要的研究价值。数据作为基于机器学习模型的检测算法的唯一依据,训练过程对于外界是一个黑盒过程,整个模型在训练和使用过程中缺乏用户交互。这导致在网络运维场景中,专业运维人员不能根据当前模型检测结果,实时将指导信息反馈到系统中,进而削弱了系统的场景适应能力和检测纠错能力。本文基于强化学习过程,设计了一种基于动态贝叶斯博弈的交互引导式的网络流量异常检测方法。通过检测模型和运维人员交互的方式,在训练过程中让运维人员提供专业反馈使得模型获得外界针对当前检测效果的奖惩信号,从而对自身特征聚焦方向和收敛过程起到引导的作用。将运维人员和检测模型视为博弈的双方,建立博弈模型,使双方之间的交互引导行为达到动态平衡状态。通过博弈对于模型交互频次和内容反馈给出指导,从而使得模型具有动态适应当前场景的能力,有效控制了人机交互反馈所带来的系统开销。实验部分验证了交互式博弈的流量检测方法中,双方博弈指导交互行为的可行性与有效性,证明了该方法在动态场景中具有良好的适应能力。相较于传统的机器学习方法,交互引导式模型提高了模型整体的检测性能。性能对比测试结果表明交互频次每增加0.02%,系统整体检测性能随之提升0.01%。

基于块稀疏贝叶斯学习的多目标动态荧光分子重建

针对基于范数优化的多目标动态荧光分子重建稀疏性不足、定位精度低的问题,本研究提出了基于块稀疏贝叶斯学习的重建方法。该方法利用多观测动态荧光信号共享相同稀疏结构的特点,充分挖掘了信号的时空相关性信息和分块稀疏特性,将多观测模型联合稀疏重构问题转化为块稀疏贝叶斯学习问题,通过稀疏贝叶斯框架下的相关向量机稀疏学习模型获取稀疏解。实验结果表明,本研究算法相较于传统压缩感知算法具有更高的稀疏度和定位精度。

基于贝叶斯动态博弈理论的热价定价方法

供热价格通过热力公司与热用户的多次协商确定,由于参与协商的双方对对方的信息不清楚,导致协商过程复杂漫长,利用贝叶斯动态博弈模型,建立定价方程,使协商过程效率提高,双方的效用增加。

企业战略联盟稳定性的动态博弈分析

在完全信息博弈模型与不完全信息博弈模型两种框架下,讨论不同产品关系的企业战略联盟建立及其稳定性问题.研究表明,企业建立战略联盟存在着“囚徒困境”的问题,但企业为了获取长期利益最大化,会放弃短期利益,进而建立并保持长期的战略联盟.当然,要在现实中实现它,也需要设计一定的硬性制度来保障;而企业间的产品关系对企业战略联盟的稳定性起到关键性的作用,文中进而得出纵向联盟形式是最为有效的联盟形式.

参数不确定性下资产配置的动态均值-方差模型

现有关于资产配置的动态均值-方差模型的研究均假设投资者准确知道与资产收益率相关的参数,从而忽略了参数不确定性对投资决策的影响.本文研究引入参数不确定性和贝叶斯学习时的动态均值-方差模型,使用鞅方法求解得出最优投资策略的解析表达式,并导出了均值-方差有效边界.在此基础上,利用中国证券市场的实际数据进行了实证分析,结果表明参数不确定性对最优投资策略以及投资效果有较大的影响.

动态贝叶斯网络在复杂系统中建模方法的研究

提出了用动态贝叶斯网络(DBN)对复杂系统进行建模的有效方法。基本思路是将扩展后的隐变量引入了DBN的演化过程中来建立马尔可夫模型,并给出了引入扩展后的隐变量的DBN结构学习算法框架。进而,利用贝叶斯概率统计方法对后续时间片的充分统计因子进行了估计,并通过当前已存在的充分统计因子和估计的充分统计因子对基于时间变化的转移概率进行了学习。原理性分析和仿真实验结果也验证了该方法的有效性。

我国信贷市场不完全信息动态博弈分析

运用博弈理论建立了我国信贷市场精炼贝叶斯纳什均衡模型,根据模型分析得出信贷市场为部分有效市场类型,并结合我国当前经济环境的实际情况,比较深入地论述道德风险、逆向选择、寻租行为是中国信贷市场类型形成的主要原因及提出了解决方案。

不完全需求信息下的寡头发电商报价学习模型

基于发电商主观推断得到的市场清除价与市场实际价格之差异,构建发电商报价学习模型,并对该模型的不动点及其稳定性进行了解析分析;在此基础上,针对存在2个发电商的报价市场,对学习模型的稳定域、分岔图和平均收益等复杂性现象进行了数值仿真分析。结果表明:学习模型唯一的不动点即为客观的市场需求曲线;在稳定域内发电商通过学习模型可发现客观的市场需求曲线,并得到Cournot均衡策略;在混沌状态下,有发电商获得超过Cournot均衡的平均收益,也有发电商获得少于Cournot均衡的平均收益,且可能形成一个新的Nash均衡。

高校学生住宿费欠缴问题博弈模型分析

文章分析了高校学生住宿费欠缴问题的研究现状,建立了高校学生住宿费欠缴的不完全信息动态博弈模型A_2DM,构造了博弈模型的完美贝叶斯均衡,并探讨了均衡的改进与优化问题,最后基于均衡分析,提出了有效解决欠缴问题的对策。

利用动态贝叶斯网构建基因调控网络的研究进展

构建基因调控网络是21世纪人类科学所面临的重要挑战之一。基因调控网络是一个基因组内基因相互作用而形成的关系网络,它从全基因组水平上以系统和全局的角度来研究复杂的生命现象及其本质。本文阐述了近几年来此领域的研究进展,着重介绍利用动态贝叶斯网络重构基因调控网络的若干模型,包括加权核l1模型,正则化模型、高斯混合贝叶斯网络模型和自回归时间变化模型。

文凭对大学生学习影响 的博弈解释

通过文凭对大学生学习影响的博弈解释，提出学校的文凭策略对运用对学生的努力程度的影响很大，可有效促使大学生努力学习。

DDBN的无人机决策推理模型参数学习

针对复杂战场环境下的无人机决策推理模型参数学习的问题,提出基于遗传算法的离散动态贝叶斯网络参数学习算法。该算法将模型网络参数的最大似然估计函数作为遗传算法的适应度函数,在全局进行并行优化搜索,得到最优的网络参数,从而提高了决策推理模型对复杂环境的快速适应。仿真结果表明,该算法可以获得准确的离散动态贝叶斯网络参数,能够有效地解决复杂战场环境下无人机威胁评估问题,为无人机的自主任务决策提供有效的参数保障。

基于动态云贝叶斯网络的舰艇防空目标威胁评估

针对目标威胁评估中信息表达的不确定性以及威胁评估模型专家网络结构的主观性,提出一种基于结构学习的动态云贝叶斯网络评估模型。首先,利用云模型良好的知识表达能力定量描述不确定连续性信息;其次,使用爬山算法进行结构学习,综合专家提出的网络结构构建贝叶斯网络;接着引入时间变量,将其扩展成为动态贝叶斯网络,然后用最大似然概率估计算法学习网络参数;最后,利用联合树算法对动态云贝叶斯网络进行推理评估。仿真结果表明,该模型能够有效的对观测信息进行威胁评估,具有合理性和可行性。