基于强化学习的动态频谱分配研究

首先介绍了认知无线电技术产生的背景,以及强化学习的发展和应用于认知领域的优势;接着对强化学习的基本原理及其2个常见的模型Q-Learning和POMDP作了介绍,并对其模型定义、思想、所要描述的问题和使用的场景都做了较详细的阐述;然后针对这个方向最近几年的顶级会议和期刊论文,分析了其主要内容;通过最近几年的学术、会议论文中所述的研究现状及成果,说明强化学习的主要特点是能够准确、快速学习到最优策略,能够模拟真实环境,自适应性强,提高频谱感知、分配效率,从而最大化系统吞吐量,这些优势充分证明了强化学习将是认知领域里一种很有前景的技术。     

基于季节ARIMA模型的电力系统负荷短期预测

电力负荷是影响电网寿命和可靠度的一个重要因素,其月负荷变化具有明显的周期性.介绍了应用季节ARIMA模型进行电力负荷建模预测的理论和方法,将季节ARIMA模型应用于电力系统负荷短期预测,测试结果证明了方法的有效性.     

基于不同认知风格的物质的量计算的教学策略

整体型思维与序列型思维是2种对立的认知风格,在物质的量计算中表现出截然不同的解题思路。教师在讲授相关计算时,通常忽视了序列型认知风格学生的学习需要,从而使这类学生的学习面临困难。在物质的量计算的教学过程中,应针对不同认知风格的学生采取不同的教学策略。     

相关杂波背景下的认知雷达序贯信号检测

针对相关杂波大大影响了传统雷达的检测性能问题, 本文提出了一种认知雷达的序贯信号检测方法,该方法在二元假设检验的基础上将雷达整个工作时间分成两个阶段:估计和检测阶段。在估计阶段,系统发射最优估计波形,同时通过雷达回波对目标冲击响应进行估计更新;在检测阶段,系统利用已经获得的先验知识设计最优检测波形且在接收端实现检测门限自适应。结果分析和实验仿真表明:由于联合了发射端的波形优化和接收端的序贯判决信息利用,因此大大提高了系统的检测性能;此外,随着时间的增加,目标冲击响应的估计值越来越逼近真实值,使得估计检测概率也越来越趋近于真实检测概率,从而在提高性能的同时也保证了决策的可靠性。      

认知Ad Hoc网络能量有效频谱接入策略

针对认知无线Ad Hoc网络中次用户能量受限问题,提出一种基于能量有效性的机会频谱接入策略。联合考虑信道状态的时变性和次用户的频谱感知准确性,基于部分可观测马尔科夫决策过程（POMDP）建立了一种最大化能量有效性的分析架构,指导次用户选择能效最佳信道,并根据信念状态、信道增益和检测概率,自适应控制传输功率。仿真结果表明,该策略能够有效提高次用户传输的能量有效性,通过对传输功率的有效控制,实现了传输性能和能量开销的有效折中。      

基于技能认知目标的化学实验分类与教学

在哈罗和辛普森对动作技能目标分类的基础上提出适合高中阶段的技能认知目标分类,将高中化学实验分为：体验型实验、应用型实验、创新型实验3类,并针对各类型实验提出了相应的教学策略。     

人教版《几何证明选讲》第一讲学习中的问题解析

《几何证明选讲》是高中数学新课标选修教材,人教版编写的内容体系,符合高中学生的年龄特征和认知规律,较适合学生自主学习和课前预习,某一教学内容,学生通过提前阅读,自我探索知识,可以对所学知识有初步的理性认识,对提高学习兴趣、积极主动学习产生重要影响,为了更便于学生提前预习,     

瞻博“3-2-1”架构提升数据中心网络安全性

传统的数据中心网络采用包括接八层、汇聚层与核心层的三层树状架构,这种架构分层清晰,有利于数据访问的控制和管理。不过,随着数据中心的扩展以及数据量的增长,树状架构开始显现出一些不适应性,比如流量激增引起网络负荷过重,网络安全性大大降低等,传统的三层网络架构为此亟待变革,瞻博网络则顺势而动,提出了“3—2—1”数据中心网络架构演进路线图。     

一种基于切换失败概率和认知用户信道容量联合优化的访问策略

现有频谱切换信道访问策略主要考虑切换失败概率,而较少考虑认知用户的信道容量。针对这一问题,提出了一种基于切换失败概率和认知用户信道容量联合优化的频谱切换信道访问策略。首先证明了按信噪比降序访问可以得到最大的认知用户信道容量,而按信道平均空闲时间降序访问可以得到最低切换失败概率。接着提出对信道平均空闲时间和信噪比进行排序并加权合并的非参数化处理。最后,按非参数化处理结果降序进行信道访问。结果表明,所提方法能够在切换失败概率接近最低的情况下,使认知用户信道容量提升50%左右。     

电力系统负荷模式日相关性模糊聚类分析方法

在进行负荷模式的日相关性分析中,模糊相似优先比矩阵法的元素含义不是十分明确,现给出了一种电力系统负荷模式的日相关性模糊聚类分析方法,该方法具有意义明确,计算速度快和占用计算机内存少的特点.