公开(公告)号：CN111882101A

公开(公告)日：2020-11-03

申请号：CN202010446158.7

申请日：2020-05-25

Applicant: 北京信息科技大学

Inventor： 李庆奎 ,  弓镇宇 ,  易军凯

IPC: G06Q10/04 ,  G06Q10/06 ,  G06N5/04

Abstract: 本发明涉及一种基于切换拓扑下供应链系统一致性问题的控制方法，具体步骤如下：S1：首先供应链系统被建模为一个多智能体系统并且不确定市场需求下的产品匹配问题被归结为H∞一致性问题；S2：其次在切换拓扑下用博弈论研究了离散时间的H∞一致性问题，抑制牛鞭效应的过程可被看作是博弈过程；S3：接下来给出了双环策略迭代算法来求解解耦后的HJI方程；S4：最终给出了一个仿真算例来证明提出方法的有效性。本发明利用分布式最优控制和零和博弈理论，研究了一类具有切换拓扑的基于多智能体供应链系统的H∞一致问题，生产率和市场需求被考虑为博弈参与者，根据零和博弈理论，通过求解HJI方程获得针对最坏情形扰动的最优生产率。

公开(公告)号：CN110288081A

公开(公告)日：2019-09-27

申请号：CN201910476156.X

申请日：2019-06-03

Applicant: 北京信息科技大学 ,  北京理工大学

Inventor： 王军茹 ,  卢继华 ,  易军凯 ,  徐懿 ,  李梦泽 ,  何天恺

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于FW机制及LSTM的递归网络模型及学习方法，属于递归神经网络以及自然语言处理技术领域。包括基于FW机制及LSTM的递归网络模型及依托的学习方法；前者包括数据导入模块、数据生成模块、加载与迭代模块、参数设定模块、模型定义模块、递归网络训练、评估以及测试模块；学习方法包括：1导入数据；2将导入数据进行拆分得到训练数据、评估数据和测试数据；3根据导入数据，获取预先设定好的配置参数；4完成权重参数的初始化；5将训练、评估和测试数据送入LSTM单元计算输出向量；6计算loss函数，对网络参数进行优化，输出复杂度。所述网络模型及学习方法进一步提升了LSTM模型处理的准确度及收敛速度。