基于支持向量机的复杂连续系统强化学习控制研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60804022
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    18.0万
  • 负责人：
    王雪松
  • 依托单位：
    中国矿业大学
  • 学科分类：
    F0303.系统建模理论与仿真技术
  • 结题年份：
    2011
  • 批准年份：
    2008
  • 项目状态：
    已结题
  • 起止时间：
    2009-01-01 至2011-12-31

项目摘要

针对复杂连续系统的学习控制问题，设计一类有效的基于支持向量机的强化学习控制方法。内容包括：强化学习系统知识的表达和利用、基于概率型支持向量分类机的强化学习、支持向量机时间滚动式优化学习算法、基于在线聚类分析的个体支持向量机建立、基于多目标优化的个体支持向量机输出结论的选择性集成。通过研究，为提高系统的学习收敛速度，通过给系统融入恰当的实时、动态知识，拟提出基于支持向量回归/分类机的强化学习；为提高系统的学习精度和泛化性能，拟提出基于集成支持向量机的强化学习；通过在倒立摆平衡控制和移动机器人自主导航问题中的应用，验证上述强化学习控制方法的可行性和有效性。研究成果将深化和丰富现有的强化学习理论，进一步扩大强化学习方法的应用范围，增强其解决实际问题的能力。本项目是自动化、机器学习、统计学习与人工智能有机结合的新颖交叉研究方向，具有广阔的研究前景。

结项摘要

项目成果

期刊论文数量（21）
专著数量（1）
科研奖励数量（1）
会议论文数量（3）
专利数量（0）
基于随机子空间-正交局部保持投影的支持向量机
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    电子学报
  • 影响因子：
    --
  • 作者：
    王雪松;高阳;程玉虎
  • 通讯作者：
    程玉虎
一种基于谱聚类的聚类核半监督支持向量机
  • DOI：
    --
  • 发表时间：
    2010
  • 期刊：
    中国矿业大学学报
  • 影响因子：
    --
  • 作者：
    王雪松;张晓丽;程玉虎;李立晶
  • 通讯作者：
    李立晶
Actor-critic algorithm based on incremental least-squares temporal difference with eligibility trace
基于增量最小二乘时间差和资格迹的演员批评算法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Lecture Notes in Artificial Intelligence, Springer-Verlag
  • 影响因子：
    --
  • 作者：
    Feng Huanting;Cheng Yuhu;Wang Xuesong
  • 通讯作者：
    Wang Xuesong
一种多样性保持的分布估计算法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    电子学报
  • 影响因子：
    --
  • 作者：
    郝名林;王雪松;程玉虎
  • 通讯作者：
    程玉虎
基于测地高斯基函数的递归最小二乘策略迭代
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    信息与控制
  • 影响因子：
    --
  • 作者：
    张依阳;王雪松;张政;程玉虎
  • 通讯作者：
    程玉虎

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于图正则自适应联合协同表示的高光谱图像分类
  • DOI：
    10.13195/j.kzyjc.2018.1159
  • 发表时间：
    2020
  • 期刊：
    控制与决策
  • 影响因子：
    --
  • 作者：
    李冬青;程玉虎;王雪松
  • 通讯作者：
    王雪松
电磁空间信息资源的认知与利用
  • DOI：
    --
  • 发表时间：
    2021
  • 期刊：
    中国科学基金
  • 影响因子：
    --
  • 作者：
    王雪松;李健兵;徐丰;李刚;程强
  • 通讯作者：
    程强
基于STK的侦察卫星预警系统设计与仿真
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机仿真
  • 影响因子：
    --
  • 作者：
    王雪松;代明鑫;张文明
  • 通讯作者：
    张文明
基于并发事务逻辑的语义Web服务组合
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    计算机科学
  • 影响因子：
    --
  • 作者：
    王雪松;钱俊彦;赵岭忠;高荣亮;WANG Xue-song1 QIAN Jun-yan2 ZHAO Ling-zhong2 GAO
  • 通讯作者：
    WANG Xue-song1 QIAN Jun-yan2 ZHAO Ling-zhong2 GAO
复合编码同时极化测量方法研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    信号处理
  • 影响因子：
    --
  • 作者：
    肖顺平;施龙飞;王雪松
  • 通讯作者：
    王雪松

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

王雪松的其他基金

基于扩散模型的离线强化学习方法研究
  • 批准号：
    62373364
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
基于宽度神经网络的强化学习方法研究
  • 批准号：
    61976215
  • 批准年份：
    2019
  • 资助金额：
    63 万元
  • 项目类别：
    面上项目
基于知识迁移的有限样本模式分类研究
  • 批准号：
    61472424
  • 批准年份：
    2014
  • 资助金额：
    82.0 万元
  • 项目类别：
    面上项目
基于主动半监督学习的遥感影像分类
  • 批准号：
    61072094
  • 批准年份：
    2010
  • 资助金额：
    34.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码