真“阿Q”与“假洋鬼子”:论《马伯乐》的战时症候

《马伯乐》是萧红的长篇代表作,因独特的讽刺格调而成为抗战文艺的另类,但无疑是20世纪40年代文坛值得打捞的精品。在人物构型上,萧红受到了鲁迅的文学启悟,成功调适了作为时代征象的“阿Q性”和“假洋鬼子性”,由此建构出马伯乐“假洋鬼子阿Q”的形象。在文学特质上,萧红延续以往的日常化角度、絮语式写作和冷静的叙述策略,拟游记体的发明接通了文学与现实世界之联系,为马伯乐形象的铺展提供空间。在创作观念上,萧红立足于流亡体验,在写作中贯穿了另一种“战时生活论”,经由“假洋鬼子阿Q”的发现,调适了“启蒙”与“救亡”的话语背反。因此《马伯乐》同时指向萧红以体验为本的创作观和救亡语境下的启蒙观,可被视为“反抗战文艺的抗战文艺”。

相关系数MA(q)序列分析方法

提出相关系数MA(q)序列分析方法。相关系数MA(q)序列是从非平稳随机序列中分离出的工程上常见且便于研究的一类时间序列 ,其均值和方差都可随时间变化 ,与传统的均值和方差为常数的相关函数MA(q)序列相比 ,它能够更好地描述工程中的时间序列。文中建立相关系数MA(q)序列的条件极大似然估计和精确极大似然估计 ,前者在样本较大时简单且便于工程应用 ,后者则在样本较小时仍具有较高的精度。它们通过时域的全程分析 ,能够充分利用样本信息确定相关系数MA(q)序列的均值函数、方差函数和相关系数函数。在此基础上可以进行高精度的频谱分析。

基于MA(q)模型的动态电源管理预测策略

基于MA(q)模型提出了一种新颖的PIF(predictive-issue-feedback)预测策略,该策略由MA(q)预测模块、CI控制模块、PF反馈模块三部分组成。实验结果表明,PIF策略具有稳定性,而且与其他预测性策略相比,该策略能够进一步降低系统的平均功耗。

多维MA(q)模型的h步适时递推预测

讨论了新息递推算法的理论和方法,将新息算法运用于多维MA(q)模型的预测问题,利用有穷观测值导出并证明了多维MA(q)模型的h步适时递推预测公式.

基于新息序列的多维MA(q)模型适时递推预测

利用Hilbert空间中正交投影的有关理论,给出并证明了最佳线性预测在内积定义下的一个定理,以此作为适时递归预测的基础。讨论了新息递归算法的理论和方法,将新息算法运用于多维MA(q)模型的预测问题。利用有穷观测值导出并证明了多维MA(q)模型的任意l步适时递归预测公式。

MA(q)模型的经验欧式似然估计的强相合性

构造了一类MA(q)模型的经验欧式似然比统计量,利用拉格朗日乘子法,得到了参数的经验欧式似然估计,并在一定条件下进一步讨论参数估计的强相合性.

MA(q)模型参数的新息估计

本文提出MA(q)模型参数估计的新息估计方法,用此可以求得模型参数的估计,又证明参数估计中相合与渐近正态的。

MA(q)序列的均值估计误差分布的随机加权逼近

本文讨论了MA(q)序列的均值估计误差分布的随机加权逼近的收敛速度,在相当一般的条件下,证明了其收敛速度可达到,其中n为样本容量。

MA(q)-模型参数的极大似然估计

讨论在地震记录反演问题中被广泛采用的MA(q) 模型的参数极大似然估计 ,并采用最陡下降法来求其近似解 .

一类多维双重时序AR(1)-MA(q)模型的平稳性

讨论了一类多维双重时序ＡＲ（１）－ＭＡ（ｑ）模型的二阶平稳性问题。通过导出一组线性方程组，给出了这类模型二阶平稳的显式充分条件和必要条件，为验证模型的二阶平稳性提供了一个可行的途径。

ABC算法在MA(q)模型参数估计中的应用

本文利用近似贝叶斯计算给出了MA(q)模型的参数估计。在近似贝叶斯计算中,提高算法的抽样效率在于选取低维的包含参数信息尽可能多的统计量。在白噪声方差已知的情况下,本文采用前q阶样本自相关函数作为统计量。通过数值模拟进行比较,选用样本自相关函数远好于样本自协方差函数,大大提升了抽样的效率。在白噪声方差未知的情况下,采用前q阶样本自相关函数与样本方差作为统计量,分两步对参数进行近似贝叶斯估计。从数值模拟的效果来看,该方法大大提高了估计的精确度。

MAS中基于多奖惩标准的Q学习算法研究

传统的Q学习算法是基于单奖惩标准的。基于单奖惩标准的Q学习算法往往不能适应multi-agent system(MAS)面对的复杂变化的环境与状态,相反可能还会制约学习效率。提出的基于多奖惩标准的Q学习算法能够较好地适应复杂变化的状态与环境,分阶段完成任务,不同阶段使用不同的奖惩标准,能够快速地完成阶段目标。以三维世界中的围捕问题为仿真平台,增加了围捕的难度和状态环境的复杂性。仿真实验表明,基于多奖惩标准的Q学习算法能够灵活地适应复杂变化的环境与状态,高效地完成学习任务。

MA模型阶数在平方损失函数下的贝叶斯估计

从贝叶斯原理出发在假定滑动平均模型阶数q有已知上界,并为离散随机变量,且具有先验分布函数的条件下,讨论了在平方损失下MA模型阶数的贝叶斯估计记为^k.

分子标记辅助选择改良杂交水稻组合Q优6号的白叶枯病抗性

杂交水稻组合Q优6号是长江中下游稻区大面积推广的中熟三系杂交中稻组合,对白叶枯病抗性较差。本研究采用杂交、回交和分子标记辅助选择技术,将广谱抗性基因Xa23渗入到恢复系R1005中,综合农艺性状选择和Xa23基因分子标记选择,获得1份具有Xa23基因的优良株系CY11701-4。对该株系和以Q2A为母本配制的组合进行白叶枯病抗性鉴定,结果表明CY11701-4及Q2A/CY11701-4对接种的7个菌株(PXO61,PXO99,ZHE173,GD1358,FuJ,YN24和HeN11)均表现高抗水平。经主要农艺性状、产量和主要稻米品质指标测定分析,CY11701-4与R1005没有显著差异,Q2A/CY11701-4与Q优6号主要农艺性状没有显著差异,播始历期缩短1.3 d,产量显著提高。

基于MAS的城市交通信号小区域控制

城市交通问题已经成为困扰城市发展重要因素之一,而原有交通模式下的控制系统已经形成城市发展中木桶理论的"短板效应"。提出基于多智能体技术建立一个小区域的信号控制系统,利用对策论和社会经验进行各TSCA间的协调,并通过仿真实验利用平均延误时间、车流总通过量作为评价指标,验证了控制方法的可行性。

基于场景任务划分的多智能体Q-学习研究

从研究分层强化学习入手,提出由MAS中任务结构分析产生的分层合作研究方法,通过区分子任务并以此建立更大粒度层面上的基于任务场景的状态空间,并结合以联合动作为基础的任务动作与势能场模型,从而解决强化学习中的状态空间的维数灾难。文中给出了基于机器人足球的子任务的算法应用,其效能得到实验的验证。

局部合作多智能体Q-学习研究

强化学习在多Agent系统中面对的最大问题就是随着Agent数量的增加而导致的状态和动作空间的指数增长以及随之而来的缓慢的学习效率。采用了一种局部合作的Q-学习方法,只有在Agent之间有明确协作时才考察联合动作,否则,就只进行简单的个体Agent的Q-学习,从而使的学习时所要考察的状态动作对值大大减少。最后算法在捕食者-猎物的追逐问题和机器人足球仿真2D上的实验结果,与常用的多Agent强化学习技术相比有更好的效能。

分层的局部合作Q-学习

多智能体Q-学习问题往往因为联合动作的个数指数级增长而变得无法解决。从研究分层强化学习入手,通过对强化学习中合作MAS的研究,在基于系统工作逻辑的研究基础上,提出了基于学习过程分层的局部合作强化学习,通过对独立Agent强化学习的知识考察,改进多Agent系统学习的效率,进一步提高了局部合作强化学习的效能。从而解决强化学习中的状态空间的维数灾难,并通过仿真足球的2vs1防守证明了算法的有效性。

无线传感器网络中基于MDP的MAS协作策略的优化及分布执行

为降低马尔可夫决策模型生成MAS协作策略的复杂度,减少协作通信量,在无线传感器网络中利用agent状态之间存在的条件独立性与上下文独立性关系提出了一种新的优化方法。方法通过分解并优化SPI算法生成的策略树,使得MAS中处于独立状态的agent可以分布独立运行,只有在需要同其他agent协商时才进行通信。并在协作中采用Q分解机制实现共享资源的分配,减少资源使用冲突,获取更大奖励。使用STATLOGO软件对方法进行验证,实验结果表明该方法在MAS完成协作任务获取目标奖励的同时,具有产生通信量较小的优点。

MA模型两种初估计方法的仿真比较

MA模型的参数估计通常分两步进行,先寻求参数的具有一定阶的相合估计量,称为初估计,之后以此初估计为始值进行搜索,以得到参数的最大似然估计,习惯上,称之为精估计,作为最终的估计量,所以如何寻求好的初估计是有意义的。本文的主要目的是对常用的两种初估计方法进行模拟比较,以得出一些有一定价值的经验,为以后的研究打一个良好的基础。本文首先简单介绍了两种初估计方法,之后对一个具体的MA(4)模型,在不同样本量、不同白噪声的场合下,进行仿真实验,最后,基于模拟的结果给出了一点建议。