XiaoMi-AI文件搜索系统
World File Search System博弈论
信息学硕士项目：人工智能
高级机器学习 Lena Jäger 机器翻译的高级技术 Rico Sennrich 算法博弈论和机制设计 Sven Seuken 组合算法 Alexander Souza 计算机图形学 Renato Pajarola 深度学习 Manuel Günther 文本和语音处理基本原理 Mathias Müller 自然语言处理的机器学习 1 Simone Clematide 网络科学 Claudio Tessone 随机算法 Alexander Souza
![arXiv:1904.08477v1 [cs.RO] 2019 年 4 月 17 日](/simg/g:\will\search\icon\source\b\b4b7b976c54a7b9bb3f2c5993243a054a3a24786.webp)
arXiv:1904.08477v1 [cs.RO] 2019 年 4 月 17 日
预测将无人机系统 (UAS) 集成到国家航空航天 (NAS) 的结果是一个复杂的问题，在允许 UAS 常规访问 NAS 之前，需要通过模拟研究来解决。本论文重点介绍使用博弈论方法提供 2D 和 3D 模拟框架，以评估有人驾驶和无人驾驶飞行器共存场景中的集成概念。文献中的基本差距在于有人驾驶和无人驾驶飞行器之间相互作用的模型不足：a) 它们假设飞行员行为是先验已知的，b) 它们忽略了决策过程。这项工作的贡献是提出一个建模框架，其中使用强化学习和称为 k 级推理的博弈论概念对人类飞行员的反应进行建模，以填补这一空白。K 级推理概念基于人类具有不同决策水平的假设。强化学习是一种植根于人类学习的数学学习方法。在这项工作中，经典和近似强化学习（神经拟合 Q 迭代）方法用于对具有 2D 和 3D 机动的飞行员的时间扩展决策进行建模。使用有人驾驶飞机和配备感知和避免算法的全自动 UAS 的示例场景对 UAS 集成进行分析。
预计每学期开设的课程 机器人与自主系统 以下课程表基于历史模式和预期安排。
课程编号 课程名称 先修课程* 夏季 秋季 春季 525.610 机器人系统的微处理器 525.637 强化学习基础 O 525.642 使用 VHDL 进行 FPGA 设计 O VL/O VL/O 525.645 现代导航系统 OO 525.661 无人机系统与控制 525.609 OO 525.728 检测与估计理论 525.614 VL O 525.777 控制系统设计方法 525.666, 525.609 IP（奇数） 535.622 机器人运动规划 OO 535.630 机器人运动学与动力学 OO 535.642 机械工程控制系统 O 535.645 数字控制与系统应用 535.642 O 535.724 机器人动力学和航天器 O 535.726 机器人控制 535.630 IP 535.741 最优控制与强化学习 535.641 O 605.716 复杂系统的建模与仿真 VL 605.724 应用博弈论 O 605.745 不确定性下的推理 O 625.615 优化简介 OO 625.741 博弈论 625.609*, 625.603* O (偶数) 625.743 随机优化与控制 625.603* VL (奇数) 665.645 机器人人工智能 VL VL VL 665.681 传感系统的应用 AS.110.109, 605.206 VL VL VL 665.684 机器人系统开发685.621, 535.641, 605.613, 535.630 VL VL VL
人工智能文献简明书目
本书目只是对“智能”文献的简单列表，这些文献是指那些如果表现出智能则被称为“智能”的系统。这是超过六百个条目的大型目录中的一部分，目前版本未编入索引，只有与相关主题的最低限度的交叉引用。因此，省略了大部分与生理学、心理学、逻辑学、自动理论、决策理论、博弈论甚至神经网络理论相关的引用，因为如果大型书目缺乏某种信息检索系统，其价值就会降低。
B.Tech 计算机科学与工程（人工智能）
4. 普适计算 3 选修课 - 4 SI。无课程名称 学分 1. 网络安全原理 3 2. 计算机取证 3 3. 比特币和加密货币 3 4. 密码学 3 选修课 - 5 SI。无课程名称 学分 1. 云计算 3 2. 分布式系统 3 3. 博弈论 3 4. 系统建模与仿真 3 选修课 - 6 SI。无课程名称 学分 1. 生物信息学 3 2. 基因编辑 3 3. 人工智能在医疗保健中的应用 3 4. 应用时间序列分析 3
如何引用本文：Rezvani, MS, Amoozad Mahdiraji, H., Abbasian, E., & Mehregan, M. (2023)。金融合作战略评估
本研究基于前景理论，对金融服务供应链中的合作策略进行了评估。本研究在数据收集上为描述性研究，在方法上为定量研究。本研究的博弈论方法采用 Stackelberg 方法建模。供应链中的合作策略包括降低敏感度、扩大利润、避免损失和依赖参考。通过四人博弈来获得最佳合作路径。本研究的统计人群为金融服务公司的专家、专家和管理人员，其中选取了 135 名参与者作为统计样本。根据结果，在融资合作模型中剔除部分路径，在 81 个可用选项中保留 24 条路径。然后，利用 Stackelberg 竞争确定每条路线的权重。最后，通过 Stackelberg 竞争计算确定最佳合作路径，包括融资管理的指导性、融资服务商的灵活性、合作伙伴支持政策的吸引力以及基于利润扩大前景的金融资源分配。与大多数供应链管理实证研究以业务单元或战略合作伙伴层面的数据为依据不同，本研究采用基于前景理论的博弈论来评估合作策略。融资服务供应链是为了解决金融问题而产生的，不同的企业根据自身行业特点，在供应链合作中以利润最大化为目标，采取不同的合作策略。
ECON4114 产业组织与竞争战略课程大纲
这是一门产业组织与竞争战略选修课。本课程的学习目标是能够将经济学和计量经济学推理应用于与竞争战略和竞争政策相关的问题。主题包括垄断和寡头定价、并购、垂直限制、横向协议、垄断、研发、监管、拍卖等，涉及制药业、应用经济、媒体、在线购物平台等各个行业。我假设学生已经熟悉微观经济学入门、博弈论、管理经济学和计量经济学。
顶点商业模拟的战略管理...
前言……………………………………………………………………………………………………………………17 走进全球首席执行官的内心世界；卡特彼勒公司首席执行官兼董事会主席 Doug Oberhelman 访谈录 17 第 1 章 ...................................................................................................... 25 管理环境动荡 ...................................................................................................... 25 第 2 章 ...................................................................................................................... 49 面向 21 世纪的行业分析和行业发展 ............................................................................. 49 第 3 章 ............................................................................................................. 73 利用内部分析构建相对于竞争对手的竞争优势 ............................................................................................. 73 第 4 章 ............................................................................................................. 93 业务层面战略 ............................................................................................. 93 第 5 章 ............................................................................................................. 107 将博弈论应用于集体谈判和竞争动态 .............................................................................................
arXiv:1904.08477v1 [cs.RO] 2019 年 4 月 17 日
预测将无人机系统 (UAS) 整合到国家航空航天 (NAS) 中的结果是一个复杂的问题，在允许 UAS 常规进入 NAS 之前，需要通过模拟研究来解决。本论文重点介绍使用博弈论方法提供 2D 和 3D 模拟框架，以评估有人驾驶和无人机共存场景中的整合概念。文献中的根本差距在于有人驾驶和无人机之间相互作用的模型不足：a) 它们假设飞行员行为是先验已知的，b) 它们忽视了决策过程。这项工作的贡献是提出了一个建模框架，其中使用强化学习和称为 k 级推理的博弈论概念来建模人类飞行员的反应以填补这一空白。k 级推理概念基于人类具有不同层次的决策的假设。强化学习是一种植根于人类学习的数学学习方法。在本研究中，我们采用经典和近似强化学习（神经拟合 Q 迭代）方法对飞行员在 2D 和 3D 机动中的延时决策进行建模。在有人驾驶飞机和配备感知和避让算法的全自动 UAS 存在的情况下，使用示例场景对 UAS 集成进行分析。