【摘要】在过去的25至30年里，计算机试验作为试验设计的一个新的研究方向迅速地发展起来.目前计算机试验是试验设计中的一个热点问题,区别于传统的物理试验,它有很强的现实性和实用性.在计算机上做模拟试验是一种多快好省的试验方式.论文主要介绍近三十年来计算机试验的研究动态、计算机试验建模的方法.计算机试验建模的方法主要有多项式模型、局部多项式回归、样条方法、Kriging模型.文中将主要介绍Krigin […]

【摘要】强化学习主要通过与环境交互的方式获得输入信息，继而对策略进行改进。近年来，强化学习受到了学术界的广泛关注，已经成为机器学习领域的一个重要分支。传统的强化学习在大规模状态空间下通常采用带参的函数逼近器来表示值函数，但是无法解决算法收敛速度过慢与策略精度较低的问题。而非参函数逼近作为一种灵活的、完全基于样本的函数逼近方法，具有精度高、收敛速度快等特点，且与强化学习基于反馈进行学习的根本原理相一 […]

【摘要】强化学习是一类无需先验知识的机器学习方法，以Agent与环境不断的交互为主要特征，以寻找能带来最大期望累积折扣奖赏的策略为目标。强化学习中环境可能具有大状态空间甚至连续状态空间，Agent所能执行的动作可能为离散的或连续的，这必然带来一定的复杂性。本文着眼于大规模空间或连续空间可能带来的问题，以值函数逼近为出发点，针对对当前值函数逼近方法中存在的若干问题提出若干值函数逼近模型及其相应的强化 […]

【摘要】强化学习是一类重要的机器学习方法，强化学习具有两个重要的特征：算法可以在不知道环境的全部模型时，求解模型未知的最优化问题；强化学习强调Agent与环境的在线交互，在交互过程中对数据进行累积学习，以达到在线求解最优策略的目的。因此，强化学习方法被越来越多地用于作业优化调度、在线学习控制、游戏等领域。针对于强化学习方法存在的“维数灾难”、收敛速度慢、收敛精度低等问题，本文以模型无关的贝叶斯强化 […]

【摘要】图像的超分辨率重建技术是近几十年来应用最为广泛的数字图像图像处理技术。随着机器学习和模式识别技术的发展,基于学习的图像超分辨率重建技术已经成为解决超分辨重建问题的一个非常重要的工具。然而,现有的基于样例学习的超分辨方法采用典型的非概率形式,没有给出具体概率形式的超分重建模型,而且其中的参数多是通过交叉验证获得。为此,本文主要从不确定性分析的角度,利用高斯过程回归理论对超分辨重建建模,研究可 […]