导读:本文包含了自学习机制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:机制,案例,知识管理,诱导,驾驶员,算法,路径。
自学习机制论文文献综述
成波[1]（2018）在《基于自学习机制的校园网络故障诊断系统的设计》一文中研究指出针对传统网络故障诊断方法难以胜任复杂网络故障诊断的现状,综合应用自学习机制中的知识结构、知识获取等方法,设计并实现了一个基于自学习机制的校园网络故障诊断系统。该系统通过自学习机制不断扩充和完善了现有的知识库,弥补了传统的专家系统在故障诊断、知识获取及自学习能力等方面的不足,很大程度上降低了网络故障诊断的专业性和难度。通过实际测试结果分析,得出了自学习机制在校园网络故障诊断方面的优势,从而提高了校园网络故障诊断的及时性、准确性和高效性。(本文来源于《内蒙古工业大学学报(自然科学版)》期刊2018年01期）
罗佳,周代平,贺琳[2]（2015）在《基于累积自学习机制的诱导信息条件下驾驶员路径选择》一文中研究指出将驾驶员视为有限理性,并以驾驶员的行程时间感受作为决策收益,建立基于累积自学习机制的诱导信息条件下的驾驶员路径选择模型。通过仿真验证得出不同初始状态下的模型博弈平衡结果。仿真结果表明:诱导信息的发布并不是一直有效的,它与路网的车流总量以及初始流量的分配密切相关。(本文来源于《山东交通学院学报》期刊2015年04期）
贺琳,周代平[3]（2015）在《基于累积自学习机制的驾驶员路径选择博弈模型》一文中研究指出为弥补已有驾驶员路径选择博弈模型将驾驶员视为完全理性的不足,探求无诱导信息情况下路网交通流临界状态,将驾驶员视为有限理性,其依赖累积时间感受收益做出下一次的路径选择策略,并以驾驶员的行程时间感受作为决策收益建立了基于累积自学习机制的无诱导信息驾驶员路径选择博弈模型。利用该模型,分析了驾驶员路径选择行为对路网交通流的影响,并通过仿真验证得出了不同初始状态下的模型博弈平衡结果。仿真结果表明:博弈平衡状态与路网车流总量及初始流量分配比例密切相关。当路网车流总量小于或接近路网总通行能力时,不发布诱导信息,路网的交通流分布达到稳定平衡,路网通行能力利用率较高;当路网车流总量远大于路网总通行能力时,不发布诱导信息,路网交通流分布会形成峰谷平衡,不能有效利用路网通行能力,应采取相应的交通管理措施。(本文来源于《交通运输研究》期刊2015年04期）
张建华[4]（2014）在《知识管理自学习案例多案例诱导型适配机制》一文中研究指出知识管理自学习案例(KML-Case)体现"干中学"思想,对破解知识管理系统(KMS)的知识获取瓶颈、实现系统自学习与自组织意义重要。KML-Case适配效益决定KML-Case应用效果;然而,业内大多数系统模型与实践系统为空适配,导致案例匹配失败后的系统不作为,严重束缚了KML-Case应用价值。鉴于此,首先阐释了KML-Case适配内涵,在深入分析业内相关成果的基础上,提出了本研究的出发点,并建立KML-Case多案例综合诱导型适配机制以提升KML-Case应用效益。对此,深入讨论了KML-Case适配源案例的匹配方法以及适配案例集的确定策略;分析了基于KML-Case适配案例集构建知识表达系统的技术方案;通过案例条件方面精化以及冗余初等范畴削减两步机制,详细设计了KML-Case适配解轨迹求解算法;最后,阐明了基于解轨迹的KML-Case多案例综合诱导型适配方法与策略。算例表明,本文方法有效避免了系统匹配失败后的不作为、提升了KMS的问题求解能力。(本文来源于《系统管理学报》期刊2014年06期）
张建华[5]（2013）在《知识管理自学习案例的自组织机制与检索算法研究》一文中研究指出在知识经济背景下,知识上升为核心生产资料,知识管理是组织重塑核心竞争力、实现可持续发展的有效途径。知识管理自学习案例是实现知识管理系统柔性、确保其活力与有效性的知识基础,其自组织机制与检索算法决定了知识管理系统的自学习性能,并最终作用于组织知识管理的整体实施效益。是故,拟对知识管理自学习案例的自组织机制与检索算法进行系统而深入地研究。首先归纳了知识管理自学习案例的特征,并在对相关文献进行述评的基础上阐明了研究的出发点;而后,设计了基于原点距的知识管理自学习案例库的自组织机制,深入分析并系统阐明了该方法的基本思路与技术原理;继而,提出了基于原点距案例索引结构的Fish范畴确定方法,并在此基础上设计了的Fish&Shrink算法步骤。算例表明,相较于传统方法,该方法具有更高的运行效率和有效性。(本文来源于《情报杂志》期刊2013年12期）
钱玉峰,秦安虹[6]（2013）在《基于自学习机制的继电器簧片超行程的调整》一文中研究指出继电器的超行程,是影响继电器正常工作和可靠性的主要参数之一。在继电器的制造过程中,超行程必须在规定的范围内,否则为次品。因此,为了提高良品率,需要对超行程进行调整。在对其调整过程的物理本质进行分析的基础上,将其归结为具有随机死区的控制问题,设计了一种易行的迭代自学习控制方法。仿真和现场应用结果验证了该方法的有效性。(本文来源于《测控技术》期刊2013年09期）
郭增茂,张磊磊,张建华[7]（2013）在《基于区间属性值补缺的知识管理自学习案例检索机制》一文中研究指出针对知识管理自学习案例检索中存在区间属性以及属性值缺失的情况,提出了基于区间属性值补缺的案例检索机制.首先,运用粗集方法对知识管理自学习案例进行分类,完成初步检索并在分类基础上插补缺失的属性值;而后,利用客观性较强的熵权法完成对确定值和区间属性的权重配置;最后,应用区间灰关联方法实现对知识管理自学习案例的检索功能.算例分析表明,所提出的案例检索方法操作简便、合理有效.(本文来源于《郑州大学学报(理学版)》期刊2013年03期）
曹洁[8]（2013）在《基于自学习机制的移动社会网络信息投递策略研究》一文中研究指出随着Facebook、新浪微博等在线社交网络服务取得巨大成功，以及包括智能手机、PAD等移动设备的不断发展，无线技术的不断成熟，一种融合了社会性和移动性的新型网络—移动社会网络（MSN）应运而生。移动社会网络和传统的社会网络服务相比，它具有可移动、轻量化以及更贴近用户等特点。国内外对移动社会网络的研究主要集中在应用模式、快速组网、信息投递和分发、自私节点的激励、以及在传播信息过程中的信息安全和隐私的保护等问题上。本文主要研究的是基于移动社会网络的信息投递和分发。目前针对移动社会网络信息投递的研究中，大部分都是通过对各种社会性因子的量化，如兴趣爱好，节点中心度等，通过结合这些社会性因子在网络中的不同作用，完成基于移动社会网络的高效可靠信息投递策略。在这些投递策略中，主要是通过对网络中节点的社会性以及移动性的研究，选择出高效的中继转发节点来完成高效可靠信息投递策略。但是，这些策略并没有充分探究真实移动环境下用户的移动规律以及移动行为对信息投递的影响以及作为潜在中继节点的能力。因此，本文采用了真实场景下用户移动实验数据—MIT的Reality Mining项目，在Matlab工具的辅助下对该项目中用户移动数据进行了分析，并得出结论。即用户在固定环境中的移动规律性以及用户在移动过程中与其他节点的相遇次数的概率分布等。在这些结论的支持下，设计了一种基于移动用户行为的自学习机制。结合自学习机制的结论，从不同的目标出发，进一步讨论了校园网应用场景下的广播和组播。在信息投递时间最短的要求下，分析设计了基于自学习机制的广播投递策略。并且在VS2010仿真下，通过与Epidemic算法对比，说明基于自学习机制的广播投递策略不仅具有可靠高效的信息投递率，而且减少了平均内存消耗。在保证投递率的要求下，分析设计了基于组播的信息投递策略。并且在VS2010仿真下，通过与Epidemic算法和Bubble Rap算法对比，说明基于自学习机制的组播投递策略具有可靠高效的信息投递率，同时也减少了平均内存消耗。(本文来源于《电子科技大学》期刊2013-04-01）
王芳芳[9]（2013）在《具有局部定向繁殖策略和自学习机制的定向进化算法》一文中研究指出进化算法（Evolutionary Algorithms，EAs），是一种具有智能性的群体优化算法。由于其具有智能性、通用性、稳健性、本质并行性和全局搜索能力，为解决许多复杂优化问题提供新的思路。因此，进化算法在约束优化、聚类优化、非线性优化控制、神经网络优化及其它方面得到广泛应用。近年来，许多研究者对进化算法的研究目的主要围绕着以下几点：提高进化算法的寻优能力、高维求解能力、多目标搜索、以及加快收敛速度、克服启发式算法常见的早熟收敛现象等。目前，针对传统进化算法中对进化个体主观能动性考虑不周的问题引入定向变异思想，这已成为进化计算（Evolutionary Algorithms，EC）领域的一个新的研究方向，即定向进化算法（Directional Evolutionary Algorithm，DEA）。本论文主要基于不同进化策略与算子提出改进的定向进化算法并对它们进行求解验证，主要研究工作概括如下：1）首先根据“基于定向变异思想的一种简单进化方向算子”提出定向繁殖策略，同时结合局部搜索技术给出具有局部定向繁殖策略的动态优化算法（Active Evolutionary Algorithm with Local-directional Reproduction Strategy，LRSEA）。局部定向繁殖策略（Local-directional Reproduction Strategy，LRS）的主要步骤如下：首先根据个体之间适应度差值规范化搜索方向，并快速转入局部空间进行搜索；其次，根据最优进化方向进行局部繁殖子代个体；最后为避免陷入局部最优，根据比较全局最优个体与局部最优个体的适应度，采用动态方式进行调整。这便形成具有局部定向繁殖策略的动态优化算法的核心操作，实验结果表明：该算法收敛速度和局部搜索能力有所改进。2）基于学习效率设计一种新型学习算子——积极学习算子（ActivityLearning Operator），即积极主动学习“优秀知识”的算子。其积极性表现在进化个体的学习效率与自身适应度相关：适应度大的个体，其学习效率高，因此该个体的学习积极性就好。在算法LRSEA基础上，本文结合积极学习算子，给出另一个改进算法——基于积极学习算子的LRSEA算法（LRSEA Base onActivity Learning Operator，LRSEA*）。LRSEA*将局部定向繁殖策略与积极学习算子相结合，实验结果表明：新算法LRSEA*求解最优值的效果和求解最优的速度都有明显改善。(本文来源于《华侨大学》期刊2013-03-27）
刘小珠,彭智勇[10]（2012）在《基于分配空间自学习的在线动态索引混合更新机制》一文中研究指出针对索引维护时间和空间效率低的问题,提出了一种基于分配空间自学习的在线动态索引混合更新机制(on-line dynamic index hybrid update,ODIHU).ODIHU根据Zipf分布原理对长短列表数量分布进行估计,并采用基于历史分配空间的自适应学习机制对长短列表空间进行有效管理,然后对短列表采用立即合并更新方式,长列表采用上限Y相邻多路合并的更新方式维护,实现索引更新与查询性能的有效折中.理论分析及实验结果表明,ODIHU能有效地提高索引维护与更新过程中的空间效率、索引合并与查询时间效率.(本文来源于《计算机研究与发展》期刊2012年10期）
自学习机制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
将驾驶员视为有限理性,并以驾驶员的行程时间感受作为决策收益,建立基于累积自学习机制的诱导信息条件下的驾驶员路径选择模型。通过仿真验证得出不同初始状态下的模型博弈平衡结果。仿真结果表明:诱导信息的发布并不是一直有效的,它与路网的车流总量以及初始流量的分配密切相关。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自学习机制论文参考文献
[1].成波.基于自学习机制的校园网络故障诊断系统的设计[J].内蒙古工业大学学报(自然科学版).2018
[2].罗佳,周代平,贺琳.基于累积自学习机制的诱导信息条件下驾驶员路径选择[J].山东交通学院学报.2015
[3].贺琳,周代平.基于累积自学习机制的驾驶员路径选择博弈模型[J].交通运输研究.2015
[4].张建华.知识管理自学习案例多案例诱导型适配机制[J].系统管理学报.2014
[5].张建华.知识管理自学习案例的自组织机制与检索算法研究[J].情报杂志.2013
[6].钱玉峰,秦安虹.基于自学习机制的继电器簧片超行程的调整[J].测控技术.2013
[7].郭增茂,张磊磊,张建华.基于区间属性值补缺的知识管理自学习案例检索机制[J].郑州大学学报(理学版).2013
[8].曹洁.基于自学习机制的移动社会网络信息投递策略研究[D].电子科技大学.2013
[9].王芳芳.具有局部定向繁殖策略和自学习机制的定向进化算法[D].华侨大学.2013
[10].刘小珠,彭智勇.基于分配空间自学习的在线动态索引混合更新机制[J].计算机研究与发展.2012
论文知识图
