期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Q—学习的超启发式模型及算法求解多模式资源约束项目调度问题
被引量：
8
1
作者
崔建双
吕玥
徐子涵
《计算机集成制造系统》
EI
CSCD
北大核心
2022年第5期1472-1481,共10页
为了更好地解决传统的元启发式算法机制单一和面向问题定制不足等问题,提高算法的整体通用性,本文提出一种基于Q—学习的超启发式模型,并基于该模型设计实现了一种超启发式算法,求解多模式资源约束项目调度问题(MRCPSP)。该模型架构分...
为了更好地解决传统的元启发式算法机制单一和面向问题定制不足等问题,提高算法的整体通用性,本文提出一种基于Q—学习的超启发式模型,并基于该模型设计实现了一种超启发式算法,求解多模式资源约束项目调度问题(MRCPSP)。该模型架构分为高低两层,低层由具有多种异构机制和不同参数的元启发式算子组成,高层则依据Q—学习策略自动选择低层算子。模型将多种优秀的元启发式算法与反馈—学习强化机制有机整合,具备灵活的可扩展性。为检验算法效果,从MRCPSP标杆算例库中选取了上千个规模不等的算例,设计了等价比较实验环节,并与最新公开文献提供的结果进行了比较。结果表明,基于Q—学习的超启发式算法在目标值、通用性、鲁棒性等多项性能指标上均表现优异,可以借鉴应用到其他各种组合优化问题。值得一提的是,针对J30算例的计算结果有多达41个算例获得了比当前公开文献报告的已知最优解更好的结果。
展开更多
关键词
超启发式模型
强化
学习
Q—
学习
多模式资源约束项目调度问题
元启发式算法
反馈
—
学习
强化
机制
在线阅读
下载PDF
职称材料
新媒体语境下高校信息化教学研究
被引量：
12
2
作者
李娟
《教育理论与实践》
北大核心
2019年第3期58-59,共2页
信息技术的进步促进了新媒体的出现和发展,也为高校信息化教学的开展提供了新的方式。但是高校缺乏对信息化教学的正确理解,信息化教学资源体系不够科学,教学效果无法得到保证,教学师资力量有待加强,教学评价体系不够完善。在新媒体语...
信息技术的进步促进了新媒体的出现和发展,也为高校信息化教学的开展提供了新的方式。但是高校缺乏对信息化教学的正确理解,信息化教学资源体系不够科学,教学效果无法得到保证,教学师资力量有待加强,教学评价体系不够完善。在新媒体语境下研究和探讨高校信息化教学的策略有重要的现实意义。高校要依托新媒体建立对信息化教学的科学认知,重视信息化资源的建设管理,建立科学的信息化学习反馈机制,培养高素质的信息化教师队伍,建立科学的信息化教学评价机制,以促进高校信息化教学的健康发展。
展开更多
关键词
新媒体
高校信息化教学
信息化资源
学习反馈机制
教学评价
机制
在线阅读
下载PDF
职称材料
基于改进NNA和BP神经网络模型的深基坑沉降预测
3
作者
王仁志
张伟国
+3 位作者
寇苗苗
刘飞
王金涛
张拥军
《科学技术与工程》
2025年第24期10416-10425,共10页
为更精准预测基坑开挖卸荷引起的周边地表沉降,通过改进神经网络算法(neural network algorithm, NNA),提出一种具有信息反馈和反向学习机制的神经网络优化算法(neural network algorithm with feedback mechanism and reverse learning...
为更精准预测基坑开挖卸荷引起的周边地表沉降,通过改进神经网络算法(neural network algorithm, NNA),提出一种具有信息反馈和反向学习机制的神经网络优化算法(neural network algorithm with feedback mechanism and reverse learning, FBRLNNA),并结合反向传播(back propagation, BP)神经网络构建地表沉降预测模型,将提出的沉降预测模型在青岛15号线地铁工程基坑中进行应用与验证。基于18种基准函数比较FBRLNNA与9种竞争优化算法的表现,仿真试验表明,FBRLNNA在80%的基础基准函数上均表现出更优的性能。对比分析FBRLNNA-BP模型及其他4种模型的基坑沉降预测结果,FBRLNNA-BP模型的均方误差(mean squared error, MSE)、平均绝对误差(mean absolute error, MAE)、均方根误差(root mean square error, RMSE)及决定系数(R^(2))均最佳,沉降预测结果误差小于5%,表明该预测模型具有更好的沉降预测精度。研究成果可为基坑开挖引发的地表沉降预测提供了新的方法和参考。
展开更多
关键词
具有信息
反馈
和反向
学习
机制
的神经网络优化算法(FBRLNNA)
反向传播(BP)神经网络
FBRLNNA-BP模型
基坑开挖
沉降预测
在线阅读
下载PDF
职称材料
题名
基于Q—学习的超启发式模型及算法求解多模式资源约束项目调度问题
被引量：
8
1
作者
崔建双
吕玥
徐子涵
机构
北京科技大学经济管理学院
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2022年第5期1472-1481,共10页
基金
国家自然科学基金资助项目(71871017)
北京市教委社科基金资助项目(SM201910037004)。
文摘
为了更好地解决传统的元启发式算法机制单一和面向问题定制不足等问题,提高算法的整体通用性,本文提出一种基于Q—学习的超启发式模型,并基于该模型设计实现了一种超启发式算法,求解多模式资源约束项目调度问题(MRCPSP)。该模型架构分为高低两层,低层由具有多种异构机制和不同参数的元启发式算子组成,高层则依据Q—学习策略自动选择低层算子。模型将多种优秀的元启发式算法与反馈—学习强化机制有机整合,具备灵活的可扩展性。为检验算法效果,从MRCPSP标杆算例库中选取了上千个规模不等的算例,设计了等价比较实验环节,并与最新公开文献提供的结果进行了比较。结果表明,基于Q—学习的超启发式算法在目标值、通用性、鲁棒性等多项性能指标上均表现优异,可以借鉴应用到其他各种组合优化问题。值得一提的是,针对J30算例的计算结果有多达41个算例获得了比当前公开文献报告的已知最优解更好的结果。
关键词
超启发式模型
强化
学习
Q—
学习
多模式资源约束项目调度问题
元启发式算法
反馈
—
学习
强化
机制
Keywords
hyper-heuristic
reinforcement learning
Q-learning
multi-mode resource-constrained project scheduling problem
meta-heuristic implementation methods
feedback-learning reinforcement mechanisms
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
新媒体语境下高校信息化教学研究
被引量：
12
2
作者
李娟
机构
无锡商业职业技术学院数字媒体学院
出处
《教育理论与实践》
北大核心
2019年第3期58-59,共2页
基金
江苏省高校哲学社会科学研究基金指导项目"运用互联网思维重构高职学习生态圈研究"(项目编号:2015SJD365)的研究成果
文摘
信息技术的进步促进了新媒体的出现和发展,也为高校信息化教学的开展提供了新的方式。但是高校缺乏对信息化教学的正确理解,信息化教学资源体系不够科学,教学效果无法得到保证,教学师资力量有待加强,教学评价体系不够完善。在新媒体语境下研究和探讨高校信息化教学的策略有重要的现实意义。高校要依托新媒体建立对信息化教学的科学认知,重视信息化资源的建设管理,建立科学的信息化学习反馈机制,培养高素质的信息化教师队伍,建立科学的信息化教学评价机制,以促进高校信息化教学的健康发展。
关键词
新媒体
高校信息化教学
信息化资源
学习反馈机制
教学评价
机制
Keywords
new media
college information -based teaching
information resources
learning feedback mechanism
teaching evaluation mechanism
分类号
G642.0 [文化科学—高等教育学]
在线阅读
下载PDF
职称材料
题名
基于改进NNA和BP神经网络模型的深基坑沉降预测
3
作者
王仁志
张伟国
寇苗苗
刘飞
王金涛
张拥军
机构
青岛理工大学土木工程学院
出处
《科学技术与工程》
2025年第24期10416-10425,共10页
基金
国家自然科学基金青年科学基金(42107178,52104089)
山东省自然科学基金(ZR2022QD102)
青岛市科技惠民示范项目(23-2-8-cspz-13-nsh)。
文摘
为更精准预测基坑开挖卸荷引起的周边地表沉降,通过改进神经网络算法(neural network algorithm, NNA),提出一种具有信息反馈和反向学习机制的神经网络优化算法(neural network algorithm with feedback mechanism and reverse learning, FBRLNNA),并结合反向传播(back propagation, BP)神经网络构建地表沉降预测模型,将提出的沉降预测模型在青岛15号线地铁工程基坑中进行应用与验证。基于18种基准函数比较FBRLNNA与9种竞争优化算法的表现,仿真试验表明,FBRLNNA在80%的基础基准函数上均表现出更优的性能。对比分析FBRLNNA-BP模型及其他4种模型的基坑沉降预测结果,FBRLNNA-BP模型的均方误差(mean squared error, MSE)、平均绝对误差(mean absolute error, MAE)、均方根误差(root mean square error, RMSE)及决定系数(R^(2))均最佳,沉降预测结果误差小于5%,表明该预测模型具有更好的沉降预测精度。研究成果可为基坑开挖引发的地表沉降预测提供了新的方法和参考。
关键词
具有信息
反馈
和反向
学习
机制
的神经网络优化算法(FBRLNNA)
反向传播(BP)神经网络
FBRLNNA-BP模型
基坑开挖
沉降预测
Keywords
neural network algorithm with feedback mechanism and reverse learning(FBRLNNA)
back propagation(BP)neural network
FBRLNNA-BP model
deep excavation
settlement prediction
分类号
TU753 [建筑科学]
TP18 [建筑科学—建筑技术科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Q—学习的超启发式模型及算法求解多模式资源约束项目调度问题
崔建双
吕玥
徐子涵
《计算机集成制造系统》
EI
CSCD
北大核心
2022
8
在线阅读
下载PDF
职称材料
2
新媒体语境下高校信息化教学研究
李娟
《教育理论与实践》
北大核心
2019
12
在线阅读
下载PDF
职称材料
3
基于改进NNA和BP神经网络模型的深基坑沉降预测
王仁志
张伟国
寇苗苗
刘飞
王金涛
张拥军
《科学技术与工程》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
