一种利用优先经验回放深度Q-Learning的频谱接入算法

针对认知无线传感器网络中频谱接入算法的频谱利用率不高、重要经验利用率不足、收敛速度慢等问题，提出了一种采用优先经验回放双深度Q-Learning的动态频谱接入算法。该算法的次用户对经验库进行抽样时，采用基于优先级抽样的方式，以打破样本相关性并充分利用重要的经验样本，并采用一种非排序批量删除方式删除经验库的无用经验样本，以降低能量开销。仿真结果表明，该算法与采用双深度Q-Learning的频谱接入算法相比提高了收敛速度；与传统随机频谱接入算法相比，其阻塞概率降低了6%~10%，吞吐量提高了18%~20%，提高了系统的性能。     

一种基于微波雷达回波信号的车型分类方法

车辆类型识别方法是智能交通系统的关键技术之一。利用深度学习的高维特征泛化学习能力，将改进的LeNet-5卷积神经网络用于基于交通微波雷达的大小车型分类识别。首先，以雷达触发前的N帧信号为基础，对雷达的回波信号进行分析并构建数据集；然后，分析LeNet-5卷积神经网络的特点；最后提出一种改进的LeNet-5卷积神经网络。实验结果表明，与传统的支持向量机方法相比，所提方法能够智能学习大小车的雷达时频信号特征，大小车型识别准确率达到97%以上，可为交通场景下的车型识别研究提供新的技术途径。     

大规模MIMO系统中基于CNN的延迟CSI反馈改进算法

在大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统中，基站根据用户反馈的信道状态信息进行自适应编码调制以提高频谱效率，因此需要将用户侧估计到的信道状态信息反馈到基站。由于反馈过程存在的延迟会降低系统性能，因此在考虑延迟的情况下，对基于深度学习的信道状态信息自编码器CsiNet进行改进，使用下行信道的延迟状态信息作为信道状态信息自编码器的期望输出信号来对自编码器进行训练，减少了反馈延迟误差的影响。仿真结果表明，在延迟为1时隙时，所提方案的归一化均方误差(Normalized Mean Square Error,NMSE)仅为自回归-主成分分析方案、基于压缩感知的方案和基于卷积神经网络的CsiNet方案的1/8~1/7，并且随着时隙增加，NMSE性能提升越明显。     

农发行召开2020年年度工作会议

2020年1月18日至20日,农发行召开2020年年度工作会议,深入学习贯彻习近平新时代中国特色社会主义思想和中央系列会议精神,总结2019年主要工作,部署2020年重点工作任务。会上,农发行党委书记、董事长解学智代表总行党委讲话,对2019年工作进行全面总结,明确2020年改革发展的总体思路和目标任务。     

基于机器学习的金融消费场景预测探索

随着近年来人工智能产业和大数据技术的飞速发展,传统金融行业逐渐向金融科技转型。招商银行信用卡中心提出依靠数据,预测用户是否会购买掌上生活APP优惠券这一实际业务场景。依据这一实际问题,采用了各种机器学习方法,包括逻辑回归、随机森林、Xgboost、LightGBM,对这一问题进行探索。最后采用集成学习方法对最终结果进行融合。本文采用了上述几种算法模型进行预测,对模型原理进行了分析,并在多个评价指标上衡量各个模型的表现,横向对比了不同模型的优缺点,并对造成结果差异的原因进行了总结。     

深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

物流集群学习创新的动因、模式及效应研究

学习创新是物流集群内企业通过经营、竞争、合作等行为,产生对生产技术和管理技术的自主和相互学习,并实现技术进步的全过程。提高学习创新能力既是物流企业和相关科研机构集中在一起的目的和动力之一,也是推动集群发展的主要因素,完善的学习创新机制既是物流集群成长的"因",也是其成长的"果"。     

营商环境和舆论环境

近日,海底捞、西贝等知名餐饮企业纷纷因为涨价被推上了热搜,但很快,海底捞、西贝就为涨价而道歉,并将价格恢复到停业前标准。在市场经济条件下,企业因为涨价而道歉,这实在是一个耐人寻味的现象。因此,比为什么涨价更值得探讨的是,自主经营、自主定价的企业为什么会因为涨价而道歉。显然,开始涨价,随后道歉并调回价格,企业还是那个企业,决策层还是那个决策层,唯一的变量就是舆论反应。对于这一波涨价,舆论中不乏忧虑、质疑、批评的声音。有人认为,一些餐饮企业在复业后涨价,是想让消费者为企业疫情期间的损失埋单,吃相太粗暴太难看。