检索结果-南通市图书馆

基于随机学习的异构蜂窝网络离散功率控制机制

在线全文

学校读者我要写书评

暂无评论

高技术通讯 2016年第5期26卷 432-439页

作者：王园园周一青李永会石晶林田霖钱蔓藜中国科学院计算技术研究所北京100190 中国科学院大学北京100049 移动计算与新型终端北京市重点实验室北京100080 悉尼大学电子与信息工程学院

针对宏基站和低功率小基站重叠覆盖共享频谱的异构网络中干扰抑制问题,提出了一种基于随机学习理论的基站下行离散功率控制机制,以便在保证宏基站传输的最低传输质量要求下,最大化网络满足传输质量要求的小基站传输个数。该方法将每个... 详细信息

针对宏基站和低功率小基站重叠覆盖共享频谱的异构网络中干扰抑制问题,提出了一种基于随机学习理论的基站下行离散功率控制机制,以便在保证宏基站传输的最低传输质量要求下,最大化网络满足传输质量要求的小基站传输个数。该方法将每个小基站作为随机学习自动机,维持一个概率向量用于传输功率选择。算法迭代过程中,小基站独立地基于自身选择的传输功率以及网络反馈的信息,即满足传输质量要求的小基站传输的个数,来更新概率向量,调整传输功率,直到系统达到均衡状态。仿真结果表明,基于随机学习的离散功率控制方法具有很好的收敛性和寻优性能,能有效提高系统可支持的满足传输质量要求的小基站传输数量,适用实际系统。

关键词：异构网络干扰抑制随机学习离散功率控制

基于网络随机学习对提高学生英语语言能力有效性的实证研究

在线全文

学校读者我要写书评

暂无评论

海外英语 2012年第9X期 79-80页

作者：刘旭亮中国青年政治学院外语系北京100089

网络技术的迅速发展正使其成为英语学习和教学的重要途径和资源。除了在常规教学中的应用,学生在课外的休闲娱乐活动中同样可以通过网络实现英语学习的即时化,随机化和无意化,网络学习为学生提供了一个优良的随机学习平台。学好英语的... 详细信息

网络技术的迅速发展正使其成为英语学习和教学的重要途径和资源。除了在常规教学中的应用,学生在课外的休闲娱乐活动中同样可以通过网络实现英语学习的即时化,随机化和无意化,网络学习为学生提供了一个优良的随机学习平台。学好英语的一个重要前提是要创造足够的语言浸泡(immerse)和接触(exposure)条件和机会,有调查显示,网络世界中绝大部分的信息都以英语形式存在,学生在使用计算机进行网络学习和娱乐活动时,可以广泛地接触英语,以最直接的方式同本族语者交流、互动,或使用英语解决实际问题。本研究旨在以实验调查的方式探究网络随机学习对提高学生的英语语言能力尤其是词汇和听力能力的作用。

关键词：网络媒体随机学习无意识有意识学习对接词汇能力听力能力

“互联网+随机学习”课堂模式实践——以佳木斯技师学院为例

在线全文

学校读者我要写书评

暂无评论

物流技术 2015年第23期34卷 211-213页

作者：王晓林佳木斯技师学院黑龙江佳木斯154004

以黑龙江佳木斯技师学院为例探讨了"互联网+随机学习"课堂模式,介绍了项目实施背景、主要目标及工作过程,最后对项目实施的主要成果与成效进行了总结。

关键词：互联网+ 随机学习物流课堂模式

在线全文

学校读者我要写书评

暂无评论

反向学习全局和声搜索算法

控制与决策 2019年第7期34卷 1449-1455页

作者：翟军昌秦玉平渤海大学信息科学与技术学院辽宁锦州121013 渤海大学工学院辽宁锦州121013

提出一种反向学习全局和声搜索(OLGHS)算法。基于反向学习技术初始化和声记忆库,提高初始和声向量的质量;通过当前最差和声向当前最优和声学习进化,提高算法的全局搜索性能;通过其他和声向量之间不断回溯交互的随机学习策略,提高算法局... 详细信息

提出一种反向学习全局和声搜索(OLGHS)算法。基于反向学习技术初始化和声记忆库,提高初始和声向量的质量;通过当前最差和声向当前最优和声学习进化,提高算法的全局搜索性能;通过其他和声向量之间不断回溯交互的随机学习策略,提高算法局部搜索性能;用由两种不同学习策略随机交叉动态产生的新和声与反向和声二者较优的个体更新和声记忆库,提高算法的搜索性能。将OLGHS算法与其他启发式优化算法以及目前文献中较优的改进HS算法进行性能测试,测试结果表明OLGHS算法具有较高的寻优精度和较快的收敛速度。

关键词：和声搜索反向学习随机学习变异回溯局部最优

在线全文

学校读者我要写书评

暂无评论

第三种学习形态与基础教育课程改革

教育理论与实践 2003年第7期23卷 15-17页

作者：李亦菲北京师范大学教育学院北京100875

20世纪50年代以来,知识的迅速激增导致了人类学习终身化,信息技术的快速发展导致了人类学习的社会化。面对这一变化,传统的随机学习和系统学习已经不能满足人们日益增强的、快速变化的学习需求,一种新的学习形态———系统型随机学习成... 详细信息

20世纪50年代以来,知识的迅速激增导致了人类学习终身化,信息技术的快速发展导致了人类学习的社会化。面对这一变化,传统的随机学习和系统学习已经不能满足人们日益增强的、快速变化的学习需求,一种新的学习形态———系统型随机学习成为人们获取知识和发展能力的主流形态。与此同时,传统中小学校的功能和组织结构也面临越来越多的困难。作为我国基础教育课程改革的重要组成部分,一系列围绕学习目标、学习条件、学习方式和学习评价的改革措施已经出台。这些措施极大地改造了传统的学校体系,为系统型随机学习提供了越来越多的时间和空间。

关键词：学习形态随机学习系统学习系统型随机学习课程改革

基于机器学习的终端直通通信系统性能优化研究

在线全文

学校读者我要写书评

暂无评论

基于机器学习的终端直通通信系统性能优化研究

作者：许杰北京邮电大学

学位级别：硕士

终端直通通信(Device to Device,D2D)技术是一种允许一定距离范围内的用户通信设备进行直接通信的新型技术,它能够在一定程度上减轻基站的负荷,并且能够提升频谱的利用率以及系统吞吐量等性能。但同时,D2D通信的应用会给蜂窝网络的用户... 详细信息

终端直通通信(Device to Device,D2D)技术是一种允许一定距离范围内的用户通信设备进行直接通信的新型技术,它能够在一定程度上减轻基站的负荷,并且能够提升频谱的利用率以及系统吞吐量等性能。但同时,D2D通信的应用会给蜂窝网络的用户带来干扰,这样的干扰会影响到整体通信系统的性能。所以如何降低D2D通信系统中的干扰,优化系统的性能一直是研究的热点。鉴于此,本文致力于研究终端直通通信系统的性能优化,通过功率控制和资源分配等手段降低系统中的干扰从而优化系统的性能。文章首先从D2D系统中的功率控制入手,以D2D用户的功率等级作为待优化的参数,以系统吞吐量和系统能效为优化的目标建立了 D2D系统性能优化的数学模型,引入强化学习和监督学习等机器学习算法来求解优化问题,提出了基于机器学习的D2D功率控制优化算法。其次,文章同时考虑功率控制和资源分配两种干扰控制的手段,提出了基于随机学习的D2D通信功率控制和资源分配联合优化算法,双管齐下进一步降低干扰提升系统性能。最后,文章受5G NR-U(New Radio-based access to unlicensed spectrum)技术的启发,考虑在D2D通信系统中合理高效地使用非授权频谱,这样在提升非授权频段利用率的同时,减轻了授权频段内部的干扰。最后,文章对本文提出的算法和方案进行了仿真,并且与其他的算法进行对比,结果表明,本文的算法和方案能有效提升D2D系统的性能,相较于其他的对比算法有着更好的表现。

关键词：终端直通功率控制资源分配联合优化随机学习非授权频段

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

学者挂职:创新有效的用人之举

中国人才 1999年第4期 49-50页

作者：刘军

北京市检察分院副检察长项明1994年任海淀区检察院副检察长时便着手实施“素质工程”,他提出了一个大胆的设想,创造全新的机制,引进全国一流的学者到院里挂职.

关键词：司法公正检察机关副检察长检察院随机学习知识分子海淀区素质工程挂职锻炼理论联系实际

在线全文

学校读者我要写书评

暂无评论

面向大规模数据的直接优化AUC算法研究

面向大规模数据的直接优化AUC算法研究

作者：章霞安徽大学

学位级别：硕士

近些年来,机器学习和数据挖掘成为了人工智能领域的研究热点。二分类学习作为机器学习和数据挖掘的一个重要研究内容,也受到越来越多的关注。传统的二分类算法一般都是以精度作为评价标准,并不适用于不平衡应用环境。针对不平衡二分类问... 详细信息

近些年来,机器学习和数据挖掘成为了人工智能领域的研究热点。二分类学习作为机器学习和数据挖掘的一个重要研究内容,也受到越来越多的关注。传统的二分类算法一般都是以精度作为评价标准,并不适用于不平衡应用环境。针对不平衡二分类问题,直接优化不平衡准则的算法因其目标函数与评价标准的一致性具有重要的研究价值,其中最为常见的就是直接优化AUC算法。而在真实的不平衡二分类应用中,例如信息检索和金融欺诈等领域,随着数据的急剧增长,已有的基于批学习的AUC优化算法训练速度较慢,不适用于大规模不平衡分类问题。本文提出了面向大规模数据的直接优化AUC算法,利用随机/在线学习在大规模环境下的优势,首先提出了基于mini-batch随机梯度下降法的直接优化AUC算法,再针对大规模数据的噪音问题,提出了基于自适应鲁棒性的在线AUC优化算法。本文的主要工作如下:(1)首先提出了一种基于随机学习的AUC优化算法,称为AMAUC。具体地说,算法采用mini-batch的框架结合L2正则项构成目标函数。mini-batch的方法可以有效降低AUC的平方级别的复杂度,L2正则项则可以防止模型过拟合,在模型更新方式上采用投影梯度法进行内部优化。为了进一步提高性能,还采用了一种自适应更新学习率策略,利用梯度的历史二阶信息提供特征更新,能给予低频特征以较高的学习率更新,高频特征以较低的学习率更新。并且进一步将AUC优化的收敛性提高到了O(log(T)/T),有效提高了算法的收敛速率,在大规模的基准和高维数据集的实验也验证了所提出算法的有效性和效率。(2)真实的大规模不平衡应用环境往往含有噪音数据,而现有的在线AUC算法虽然在不平衡分类问题中能取得较好的分类效果,然而对离群点较为敏感。因此,对此进一步提出一种自适应鲁棒性的在线AUC最大化算法,名为AROAM。针对噪音问题,首先定义基于ramp损失函数的面向AUC度量标准的目标函数,这种损失函数具有较强的抑制噪音影响的能力。因为ramp损失为非凸的损失函数,不能用传统的凸优化方法求解,采用CCCP(凹凸过程)对目标函数进行凸逼近,进一步在每轮迭代训练中采用自适应步长策略来提高AROAM的性能,结合动量法并充分的利用梯度的一阶和二阶信息,可以有效更新分类器。基准数据集的实验验证了所提出算法的有效性,在不同噪音率的数据集上的实验也验证了算法的鲁棒性。

关键词：不平衡二分类 AUC 随机学习在线学习鲁棒性学习

面向大规模机器通信的时延优化随机接入机制的研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向大规模机器通信的时延优化随机接入机制的研究

作者：阮焱南浙江大学

学位级别：硕士

近年来,作为第五代移动通信系统中连接万物的基石技术,机器通信得到了很多的关注。不同于人的手持设备,在机器通信的场景中,单个蜂窝中就存在海量的设备。由此产生的机器通信上行连接请求数也将远超过人的手持设备的连接请求数。然而,... 详细信息

近年来,作为第五代移动通信系统中连接万物的基石技术,机器通信得到了很多的关注。不同于人的手持设备,在机器通信的场景中,单个蜂窝中就存在海量的设备。由此产生的机器通信上行连接请求数也将远超过人的手持设备的连接请求数。然而,当海量的随机接入请求同时涌现的时候,现行的蜂窝系统将不可避免地遇到严重的接入拥塞问题,因此需要设计专为机器通信定制的接入控制机制。研究者们提出了很多用于缓解接入冲突的方案,这些方案的内在思想主要是在接入控制层对海量接入请求进行分流和在物理层扩展接入的容量。然而,除了这些从接入控制层和物理层角度对吞吐量的考虑,时延也是一个需要关注的核心性能。事实上,诸如工业控制和实时监测等应用都对机器通信的时延提出了很高的要求。因此,对机器通信的时延性能进行优化是很有必要的。以此为动机,本文开展了对时延进行优化的大规模机器通信的相关研究。首先,本文考虑大规模机器通信随机接入的一般场景。根据机器通信设备是否具有探测信道状态的能力,本文将问题分为两个分支进行研究。对于机器通信设备不具有探测信道状态能力的情况,每个设备将以信道状态的期望值来估计信道,根据一定的策略决定是否尝试接入,并以常数功率发送数据;对于机器通信设备具有探测信道状态能力的情况,设备的接入决策和数据发送功率不仅与缓冲区队列长度有关,还需适应于信道状态。本文将这两个分支的时延优化的随机接入问题建模成无限时间平均代价马尔科夫决策过程。利用某个机器通信设备成功接入基站的概率的性质,本文将全局最优策略条件,即贝尔曼方程分解为每个设备的固定点方程。然后,通过对每个决策阶段的优化问题进行原始-对偶分解,本文得到基站辅助的分布式架构:基站端广播期望的同时尝试接入数和用于控制同时尝试接入数的拉格朗日乘子;设备端基于广播的信息,根据一定的策略得到决策行为。最后,本文提出分层随机学习算法来更新学习相关参数。不同于第一个分支,在考虑设备具有探测信道状态的能力时,本文通过定义切分行为,将系统状态空间降维,进而利用虚拟连续时间近似的方法来得到最优的渐进功率控制策略。接着,本文将一般场景扩展到两种具体场景:数据传输阶段采用非正交多址接入方式的场景和通过能量捕获技术来给设备供能的场景。在数据传输阶段采用非正交多址接入方式的场景中,由于非正交多址接入方式需要精细地分配接收功率域的功率点来满足成功解码的要求,并且要由基站端来进行中心控制调度,所以各个设备通过分解得到的固定点方程不仅通过随机接入耦合,还通过基站的中心式传输调度耦合。为了对不同于一般场景下的基站数据传输机会调度进行解耦,本文首先提出对接收功率域进行分层的概念,并将设备在接收功率域中的层级信息作为系统状态。随后,本文提出由基站维护在随机接入成功的情况下,设备处于不同接收功率层级和不同调度增益下最终成功发送数据的比例信息向量的设计,并将此信息广播给所有设备用于对未来的期望估计,从而实现了不同设备间的基站数据传输机会调度的解耦。在通过能量捕获技术来给设备供能的场景中,由于捕获能量具有随机到达的特性,除了数据队列状态信息和信道状态信息之外,能量队列信息也应被纳入到系统状态中来。本文为了得到从系统状态到接入和功率控制行为的映射策略,在将随机接入部分解耦合之后,利用一阶泰勒展开近似得到每个阶段的渐进最优的接入和功率控制行为关于势函数的闭合表达式。

关键词：机器通信时延优化马尔科夫决策过程随机学习