XiaoMi-AI文件搜索系统
World File Search SystemMarko
一种新的基于马尔可夫决策过程的行为预测...
摘要 为保证飞机正常、稳定飞行，飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态，其得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。鉴于此，飞机座舱自动化辅助系统已成为当今的研究热点。本文基于自动化辅助系统启动后，通过飞行操作的不同阶段，可以预测飞行员未来的操作行为，从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为及飞行过程任务要求的分析与建模，建立了MDP（Markov Decision Process，马尔可夫决策过程）模型，并采用价值迭代算法寻找最优预测序列，最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和驾驶舱自适应自动化辅助系统的侵入性提供了新的解决方案。
一种基于马尔可夫决策过程的新型行为预测系统
摘要 为保证飞机的正常稳定飞行，飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态，而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此，飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后，可以通过飞行操作的不同阶段预测飞行员未来的操作行为，从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模，建立了MDP（Markov Decision Process）模型，并利用价值迭代算法寻找最优预测序列，最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
一种基于马尔可夫决策过程的新型行为预测系统
摘要 为保证飞机的正常稳定飞行，飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态，而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此，飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后，可以通过飞行操作的不同阶段预测飞行员未来的操作行为，从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模，建立了MDP（Markov Decision Process）模型，并利用价值迭代算法寻找最优预测序列，最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
一种基于马尔可夫决策过程的新型行为预测系统
摘要 为保证飞机的正常稳定飞行，飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态，而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此，飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后，可以通过飞行操作的不同阶段预测飞行员未来的操作行为，从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模，建立了MDP（Markov Decision Process）模型，并利用价值迭代算法寻找最优预测序列，最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
一种基于马尔可夫决策过程的新型行为预测系统
摘要 为保证飞机的正常稳定飞行，飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态，而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此，飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后，可以通过飞行操作的不同阶段预测飞行员未来的操作行为，从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模，建立了MDP（Markov Decision Process）模型，并利用价值迭代算法寻找最优预测序列，最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
已发布版本的引文 (APA)：Korving, H., Zhou, D., Xiang, H., Sterkenburg, P., Markopoulos, P., & Barakova, E. (2022)。开发一种使用袜子中的皮肤电导传感器进行疼痛监测的人工智能系统。国际神经系统杂志，32(10)，文章 2250047。https://doi.org/10.1142/S0129065722500472
许多研究都集中于生理性疼痛检测方法，这些方法的可靠性和技术成熟度各不相同。1–3 一些方法，例如磁共振成像或心率变异性，在生理性疼痛检测方面显示出巨大的前景，但测量方式可能被视为侵入性，并会严重限制患者的活动自由。因此，需要一个系统通过生理、非侵入性和移动方法来检测疼痛并向护理人员显示结果。要开发的移动应用程序是系统的一部分，该系统由带有织物传感器的智能袜子组成，用于测量皮肤电导率，Shimmer TM 单元通过蓝牙®将这些信号传输到智能手机或平板电脑，以及 ML 模块来确定疼痛程度（图1）。4–6 该系统是非侵入式的：袜子中的织物传感器不会像粘贴式传感器那样刺激皮肤，并且每天穿着袜子时，无需引入额外的材料，例如手腕或头带。此外，Shimmer 装置可以戴在脚踝上、裤子上或裤子下，但也可以放在轮椅的横档上，或者在客户躺下时放在袜子旁边。系统的其余部分是移动和无线的，无声的，并且对生理变化做出快速反应。该应用程序是根据开发电子健康应用程序的建议开发的，强调了在多学科团队中工作和让目标用户参与的重要性
量化开放量子动力学中的非马尔可夫性
非马尔可夫开放量子动力学的表征具有理论和实践意义。在一篇开创性的作品 [ Phys. Rev. Lett. 120, 040405 (2018) ] 中，提出了一个必要且充分的量子马尔可夫条件，具有清晰的操作解释和与经典极限的对应关系。在这里，我们为一般开放量子动力学提出了两个非马尔可夫性测度，它们与马尔可夫极限完全相一致，并且可以基于系统的多时间量子测量进行有效计算。提出了一种重建底层开放量子动力学的启发式算法，其复杂性与提出的非马尔可夫性测度直接相关。通过数值示例展示了非马尔可夫性测度和重建算法，并仔细重新审视了量子失相动力学中的非马尔可夫性。
隐马尔可夫模型在经济状态预测中的应用及经济状态转移概率的计算
国际财务报告准则 (IFRS) 要求金融机构（或拥有贷款等金融资产的其他公司）以前瞻性的眼光估计潜在的信用损失。大多数金融机构（77%）都采用基于情景的方法，将前瞻性的宏观经济影响纳入其对潜在信用风险损失的估计中。大多数金融机构使用的三种情景的权重通常非常基本，其中最有可能的情景（基线）占 50%，其余两种情景（上行和下行）各占 50%。这些权重目前尚未通过任何定量方法确定，因此，本研究旨在基于定量方法确定这些权重。为实现这一目标，该方法首先应该能够正确预测和识别经济状态（经济情景）。为此，我们使用了几个隐马尔可夫模型。
马尔可夫决策过程的时间串联
我们感兴趣的是设计计算高效的架构来解决有限时域马尔可夫决策过程 (MDP)，这是一种流行的多阶段决策问题建模框架 [1,22]，具有广泛的应用，从数据和呼叫中心的调度 [12] 到间歇性可再生资源的能源管理 [13]。在 MDP 中，在每个阶段，代理都会根据系统状态做出决策，从而获得即时奖励，并相应更新状态；代理的目标是找到一个最优策略，使时间范围内的总预期奖励最大化。虽然寻找解决 MDP 的有效算法一直是一个活跃的研究领域（有关调查请参阅 [20,17]），但我们将采取不同的方法。我们不是从头开始创建新算法，而是研究如何设计架构，以创造性的方式利用现有的 MDP 算法作为“黑匣子”，以获得额外的性能提升。作为朝这个方向迈出的第一步，我们提出了时间串联启发式方法，它沿时间轴采用分而治之的方法：对于具有水平线 { 0 ，... ，T − 1 } 的 MDP，我们将原始问题实例（I 0）在水平线上划分为两个子实例：0 ，... ，T