基于人工智能方法的混凝土企业质量管理

分析了目前混凝土质量管理中存在的问题,基于戴明循环,研究了各阶段混凝土质量管理的主要内容,进而提出了基于人工智能的质量管理方法。应用创新的遗传算法修饰的人工神经网络,在实际质量数据的基础上,预测了C30的28天强度,与实际值的偏差在[-1.57,1.72]MPa,证明了此种创新的人工智能方法的可行性,同时为混凝土企业的质量管理提供了依据。     

基于BP神经网络的物流量预测方法研究

人工神经网络作为重要的综合评价方法,能够解决众多非线性问题,把它运用到地区货运量的预测中,可以解决因数据资料缺失,预测结果与真实结果相差较大的问题,为物流业发展提供重要的数据参考。经过实例分析证明基于神经网络的物流量预测模型是行之有效的。     

人工繁殖真鲷苗种标志放流理论基础研究

真鲷为我国重要的近海经济鱼类，近年来大规模人工放流增殖真鲷活动成为近海恢复渔业资源、提高渔业经济产值的重要手段之一。目前，亟需有效研究放流后真鲷的移动、生长、回捕率、资源量及死亡率等问题，以及大规模人工放流苗种对于天然群体和环境的影响。本文通过对人工放流增殖效果评估研究方法和相关结论进行综述，综合比较了各种标志方法，建立了真鲷标志放流效果评价的理论基础和技术体系，为进一步开展真鲷放流增殖效果评价提供科学指导。     

Effectiveness of Q-learning as a tool for calibrating agent-based supply network models

This paper examines effectiveness of Q-learning as a tool for specifying agent attributes and behaviours in agent-based supply network models. Agent-based modelling (ABM) has been increasingly employed to study supply chain and supply network problems. A challenging task in building agent-based supply network models is to properly specify agent attributes and behaviours. Machine learning techniques, such as Q-learning, can be a useful tool for this purpose. Q-learning is a reinforcement learning technique that has been shown to be an effective adaptation and searching mechanism in distributed settings. In this study, Q-learning is employed by supply network agents to search for ‘optimal’ values for a parameter in their operating policies simultaneously and independently. Methods are designed to identify the ‘optimal’ parameter values against which effectiveness of the learning is evaluated. Robustness of the learning's effectiveness is also examined through consideration of different model settings and scenarios. Results show that Q-learning is very effective in finding the ‘optimal’ parameter values in all model settings and scenarios considered.     

人工快速渗滤工艺与BOT模式在阳朔污水处理厂的应斥

文章通过介绍人工土地快速渗滤工艺与污水BOT模式在阳朔污水处理厂的成功应用实例，指出人工快渗、工艺与BOT模式相结合在我国中小城镇污水处理设施的建设运营方面具有良好的应用前景。     

基于BP人工神经网络的风险投资项目评价模型的研究与设计

对于一个风险投资机构，项目选择时的评价是其整个风险投资运作的起点，直接关系到风险投资的成败。本文在分析风险投资项目指标体系的基础上，提出了一个基于BP人工神经网络的风险项目评价模型。实例分析表明，该模型能较全面地考虑风险投资项目中的各种影响因素，评价结果合理。     

企业人为和合管理初探

“企业人为和合管理”以和合作为企业管理的指导理念,以“人为为人”作为企业管理的出发点,在企业树立“人为和合”价值观,以和合系统整体设计、调适企业组织与运行,员工以自我管理为基础,由“己身和合”到“群己合和”再到“组织和合”的“人为和合”管理模式。     

中美人工智能发展对比研究及对江苏的启示

文章对中美两国人工智能的政策战略、市场现状、代表性企业、创新能力、产业集聚等进行详细对比,总结各自的优势和不足。通过对比,借鉴中美国家层面的发展经验,提出江苏下一步人工智能发展应围绕产业生态打造,突出五个重点:一是持续优化省级政策及战略,统筹调动各部门力量;二是加强人工智能市场培育,支持AI投融资、模式创新、供需对接等;三是加大企业培育,支持传统科技巨头人工智能发展和人工智能创业企业;四是大力支持人工智能创新,重点聚焦技术研发、技术转化和人才招引等;五是加强示范引领,支持南京、苏州、无锡等地打造人工智能产业示范区。     

人工智能与计算智能在物联网方面的应用分析

自20世纪中期出现人工智能技术以来,智能化科学技术成为当代社会中技术改革的热门话题,不仅为各个领域的发展提供了必要的生产工具,更成为当代社会技术重要的发展趋势。随着技术水平的提高和管理体系的完善,物联网领域获得了快速的发展,在居民生活当中,以信息技术串联居民生活,以互联网技术为核心,将信息技术与物品相结合,尽最大可能提升物联网技术水平,为目前生活和科技带来更多的便利。     

数据挖掘与数量经济学

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中.提取隐含在其中的、人们事先不知道的、但又是潜在的有用信息和知识的过程.它是一个涉及多学科领域的新兴学科.并随着这些学科的发展而不断发展.针对信息化社会的迫切需要,本文从数量经济学和数据挖掘的概念出发,深入地分析了这两个领域的联系与区别.详细地探讨了结合数据挖掘乃至人工智能理论来研究数量经济的思路,为积极推动数量经济学的进一步发展提供了可行的研究方法.