一种基于深度强化学习的指导性自动聊天方法

    公开(公告)号:CN109388698A

    公开(公告)日:2019-02-26

    申请号:CN201811231692.5

    申请日:2018-10-22

    Abstract: 本发明公开了一种基于深度强化学习的指导性自动聊天方法,属于口语对话系统领域;利用了深度学习的强大的感知力和强化学习优越的决策力,其中主要包含教学模块通过直接给出示范决策或者给予额外的奖励来指决策模块做出正确的策略。模式选择控制教学模块是直接给出示范决策还是给出决策模块的评价。决策模块根据教学模块给出的评价以及用户的评价作为优化目标不断调整自身的决策情况。这种方法兼顾深度学习和强化学习的优势,既增加了系统的泛化能力是系统更加具有鲁棒性,又增加了系统的学习能力,使系统具有更强的适应能力。在此框架下,使口语对话系统得到更有效的训练,产生的答案也更安全、合理、自然有序。

    一种降低信息传递能耗的移动无线传感器调整方法

    公开(公告)号:CN108882348A

    公开(公告)日:2018-11-23

    申请号:CN201810710412.2

    申请日:2018-07-02

    Abstract: 本发明公开一种降低信息传递能耗的移动无线传感器调整方法,其步骤为:1)移动无线传感网中每个传感器初始化其相邻移动传感器和信息传递的相关参数;2)移动无线传感网中每个传感器根据其相邻传感器位置和信息传递记录,计算其节能位置;3)移动无线传感网中每个传感器根据其相邻传感器位置和信息传递记录,计算其补偿位置;4)移动无线传感网中每个传感器根据步骤2和3计算的结果(节能位置和补偿位置),计算其最终调整位置,以达到减少信息传递能耗的目的。本发明可以在有效降低移动无线传感器信息传递能耗的同时,保证移动无线传感网的覆盖范围和工作效率,结果可以提供较为合理、有效的移动无线传感器管理方案,例如环境监测。

    一种MapReduce框架下的空间网络对象聚类方法

    公开(公告)号:CN107545272A

    公开(公告)日:2018-01-05

    申请号:CN201710178623.1

    申请日:2017-03-23

    Abstract: 本发明公开一种MapReduce框架下的空间网络对象聚类方法,其步骤为:1)在空间网络中,查找边中确定化聚类顶点和连接性聚类顶点,并在连接性聚类顶点的基础上,构建生成图,以实现基于图生成的层次聚类方法GGHC;2)用了基于代价的数据划分方法,将数据集划分为k块,分别对应k个MapReduce任务;3)实现MapReduce并行框架下的GGHC-MR方法。本发明可以保证在网络空间受限环境下大规模数据对象聚类的有效性、高效性和可扩展性。该发明的最终结果可以提供给相关领域的用户使用,例如交通拥塞检测、城市规划等领域,可以实现海量动态空间对象的高效聚类。

Patent Agency Ranking