基于语料库数据驱动学习模式的外语教学

数据驱动学习(DDL)是一种基于语料库的发现式学习方法,是语言学习者自身在对大量真实语料观察和分析的基础上将问题解决的自主式学习,它是语料库在外语教学与学习中运用的产物,开辟了英语教学的新视野。本文浅析了语料库DLL在外语教学中的具体运用,希望能引起更多学者的探讨,丰富和改善外语教学的内容和质量。     

基于BP神经网络的Q-学习可变限速控制对拥堵路段交通流的优化

为提高可变限速(variable speed limits,VSL)控制对高速公路交通流的控制效能,提出一种连续状态下BP神经网络的Q-学习VSL控制方法。以路网总通行时间、路段内平均速度、平均密度和平均流量为评价指标,应用VISSIM4.30与MATLAB软件对比分析采用与不采用BP神经网络的Q-学习VSL控制时,入口匝道和主线合流区域附近潜在拥堵路段对交通流的影响。结果表明,基于BP神经网络的Q-学习型VSL控制方法对主线瓶颈区域上游易拥堵路段的交通流有明显的优化作用。     

数据驱动的公交网络动态优化调整方法

为了更好地满足不断变化的公交出行需求和提高公交运营效率,本文提出一种数据驱动的公交网络动态优化调整方法——滚动决策,频率为先,增删迭代.该方法由两部分组成:第1部分是数据驱动的公交网络优化调整时机决策;第2部分是公交网络优化调整措施决策,包括发车频率优化和线网结构优化.该方法的具体思路为:对于给定的现状公交网络,通过数据建模分析,动态判断公交网络优化调整的触发时机,若触发优化,则优先进行发车频率优化调整,如果发车频率优化调整不能满足预期系统目标,则进行线网结构优化调整,线网结构优化调整策略简化为新增线路和删除线路的迭代.数值实验表明,该方法能比较充分利用智能公交系统采集的数据,可操作性强,可为公交网络动态优化提供决策参考.     

液压活套系统的数据驱动预测控制

针对热连轧活套高度和张力系统的双输入双输出强耦合特性,提出了基于数据驱动的预测控制策略.利用离线和在线输入输出数据以及预测信息设计控制器,基于预测控制原理,在一个周期内,顺序更新活套高度和张力系统的控制律.该方法将一个复杂的系统分解成多个相关联的子系统设计控制器,降低系统的维数,减小的计算量,提高控制精度.仿真结果表明该方法具有较好的解耦效果和控制性能.     

基于强化学习的城轨信息发布策略研究

通过信息发布影响乘客选择行为进而改变路网客流分布,是从需求侧缓解拥堵问题的重要手段之一.本文提出基于强化学习的城市轨道交通信息发布策略生成方法,根据路网各区间客流满载率提取系统状态,再根据系统状态在学习器生成由各OD推荐路径组成的信息发布动作,对乘客进行信息发布;通过发布信息后路网系统状态变化,评估获得实施信息发布动作的奖励值.依托城市轨道交通客流分布动态仿真系统,使用 Q- learning 算法进行训练,获得最优信息发布策略.以实际路网为例进行算例验证,通过对比有无信息发布情景得到,在有信息发布情景下路网客流拥堵情况得到了较大缓解.     

基于强化学习的城轨信息发布策略研究

通过信息发布影响乘客选择行为进而改变路网客流分布,是从需求侧缓解拥堵问题的重要手段之一.本文提出基于强化学习的城市轨道交通信息发布策略生成方法,根据路网各区间客流满载率提取系统状态,再根据系统状态在学习器生成由各OD推荐路径组成的信息发布动作,对乘客进行信息发布;通过发布信息后路网系统状态变化,评估获得实施信息发布动作的奖励值.依托城市轨道交通客流分布动态仿真系统,使用 Q- learning 算法进行训练,获得最优信息发布策略.以实际路网为例进行算例验证,通过对比有无信息发布情景得到,在有信息发布情景下路网客流拥堵情况得到了较大缓解.     

大数据背景下高职学生个性化自适应学习探究

伴随着大数据时代的到来,高职院校要积极引导学生适时改革学习方式,鼓励支持学生开展个性化自适应学习,从而实现高职学生多层级全方位的综合成长。论文首先简要阐述了大数据的内涵和应用情况,接下来有针对性的开展高职学生学习情况的数据分析,在此基础上,具体分析了高职学生个性化自适应学习方式的几个阶段过程,借助这一学习方式,可以实时了解学生的学习情况,检查其学习效果,这样可以引导学生借助恰当高效的学习方式学习掌握先进的学习资源。高职院校以个性化自适应的服务,组织学生个性化自适应学习,实现教学相长,发展共赢。     

流形学习算法概述

流形学习是一种非监督学习算法,流形学习算法的目的是挖掘嵌入在高维数据空间中的低维光滑流形,本文在论述流形学习算法诞生及研究现状的基础之上,指明流形学习算法的研究重点:流形本征维数估计、有监督学习、样本外学习能力、特殊流形降维,并指出流形学习的研究意义。     

����ǿ��ѧϰ�Ļ���ƿ�����ɱ����ٲ����о�

为提高高速公路汇流瓶颈区的通行效率,本文结合强化学习无需建立模型,具有智能学习的特点,对瓶颈区的可变限速策略进行了优化,首次提出了基于Q学习算法的可变限速控制策略。策略以最大化系统总流出车辆数为目标,通过遍历交通流状态集合,尝试不同限速值序列进行自适应学习。以真实路段交通流数据搭建了元胞传输模型仿真平台,通过将其与无控制和基于反馈控制的可变限速策略进行对比,对Q学习策略的控制效果进行评价。通行时间的降低和交通参数的变化表明,强化学习控制策略在提高汇流瓶颈区通行效率和改善交通流运行状况方面具有优越性。     

基于强化学习的汇流瓶颈区可变限速策略研究

为提高高速公路汇流瓶颈区的通行效率,本文结合强化学习无需建立模型,具有智能学习的特点,对瓶颈区的可变限速策略进行了优化,首次提出了基于Q学习算法的可变限速控制策略.策略以最大化系统总流出车辆数为目标,通过遍历交通流状态集合,尝试不同限速值序列进行自适应学习.以真实路段交通流数据搭建了元胞传输模型仿真平台,通过将其与无控制和基于反馈控制的可变限速策略进行对比,对Q学习策略的控制效果进行评价.通行时间的降低和交通参数的变化表明,强化学习控制策略在提高汇流瓶颈区通行效率和改善交通流运行状况方面具有优越性.     

Machine Learning of Multi Agents for RoboCup Soccer Domain： A Survey

Machine learning has been widely applied to deal with problems in complex environment such as RoboCup, which is assumed as the ideal platform for research on AI and robotic. In RoboCup simulation league,software agents play soccer games on an official soccer server over the network. When constructing these software agents, issues in area of agents learning techniques arise to satisfy the properties specified by agent theorists. This paper presented an overview of the agents learning used in the simulator teams. Many kinds of agents learning techniques were reported and compared. It also provided open questions for discussing and pointed out some possible answers to verify in near future.     

强夯地基处理技术在公路工程中的应用

应用强夯法进行软土地基基础加固,经济简便、施工周期短,到目前为止,已经在国内外的公路工程中得到了相当广泛的应用,并在实际工程应用中取得了相当好的应用效益。针对这样一种良好的加固方法,对其在实际工程中的应用、相关参数的确定、应用过程中可能遇到的问题以及在今后可以进一步发展的关键点进行逐一阐述和解释,以期在把握强夯地基处理技术的情况下,对其有更深层次的理解和拓展。     

强夯法在我国的发展及应用

强夯法地基加固技术因具有众多优点而在国内外获得了广泛的应用.通过对强夯法在我国应用发展的回顾,分析了强夯法的应用和研究现状,然后根据其目前存在的问题,提出未来的研究重点.     

强夯法在路床挖方路基 的 应用研究

基于对强夯法在路床挖方路基加固效果评价的简要阐述,探讨了强夯夯坑深度、夯点布置等参数的确定,提出了三种施工方案进行比较,优化出最佳的强夯法施工方案,可为其他工程提供施工参考.     

海水环境下的桥梁设计

处于海水环境中的混凝土桥梁结构,由于氯盐环境的影响导致结构内的钢筋极宜锈蚀,进而大幅度降低了桥梁的使用寿命,对结构的安全也带来了危害.简要分析了海水环境下桥梁结构腐蚀的原因,并就海水环境下的桥梁结构防腐耐久性技术措施从结构形式、构造及材料选择等几个方面进行分析论述.最后,针对北方海洋环境下桥梁的设计和施工,提出具体的提高桥梁抗腐蚀性的技术措施.     

The Cooperative Multi-agent Learning with Random Reward Values

This paper investigated how to learn the optimal action policies in cooperative multi-agent systems if the agents‘ rewards are random variables, and proposed a general two-stage learning algorithm for cooperative multiagent decision processes. The algorithm first calculates the averaged immediate rewards, and considers these learned rewards as the agents‘ immediate action rewards to learn the optimal action policies. It is proved that the learning algorithm can find the optimal policies in stochastic environment. Extending the algorithm to stochastic Markov decision processes was also discussed.     

高速公路路基强夯施工参数研究

以保定一阜平高速公路填石路堤为研究对象,建立有限元模型模拟路基及夯击功能,并结合现场试验,分析强夯法在处理填石路堤时的有效加固范围,从而可确定夯击次数、单层填筑厚度、夯点布置等施工参数。     

强夯法处治桥头台背路堤探讨

为处治桥头台背路堤,以避免桥头跳车现象的发生,应用夯击能的传递机理,采用强夯法加固台背路堤,桥头台背路堤质量得到大大提高。经过对多种方法的试验和评价,证明强夯法处治桥头台背路堤是目前为止相对较好的解决办法。