摘要：【目的/意义】随着信息技术和人工智能的发展,大数据驱动的辅助决策方法让决策更加科学准确。强化学习作为序贯决策的经典方法,在决策优化方面有着明显的优势。但传统方法无法解决多层次、多目标的决策优化问题,尤其是在长周期决策优化问题中,学习奖励的滞后性严重制约着强化学习的效率。【设计/方法】提出基于多智能体强化学习的分层决策优化方法,应用目标分解的思想解决长期决策优化问题。该方法基于强化学习理论使具有层级关系的多智能体相互合作,利用神经网络进行建模,上层智能体学习目标的分解策略,下层智能体学习完成目标的行动策略,智能体参数交替更新,共同学习完成团队任务的最佳策略,实现决策优化。【结论/发现】在临床医疗决策优化的实验中验证了该方法的有效性与优越性,可为解决长周期序列决策优化问题提供理论与方法支持。

摘要：【目的/意义】大数据时代下,人工智能、区块链等信息技术得到了迅速发展。电子健康记录(Electronic Health Records,EHRs)涵盖了大量医疗的关键信息,基于EHRs的智能算法在提升智慧医疗水平方面发挥着重要作用,该领域吸引了众多国内外学者的兴趣,取得了丰硕的成果。【设计/方法】通过整理Web of Science和CNKI两大核心数据库的EHRs的相关研究文献,结合国家政策背景和国内外EHRs数据库的发展现状,用可视化图表分析了国内外EHRs相关研究的现状和发展趋势,并基于智能算法在EHRs的应用进行分类,展示了智能算法与EHRs相结合的研究成果。【结论/发现】通过回顾性研究,揭示了EHRs与深度学习、大数据、强化学习和区块链等人工智能技术的关系,发现我国在EHRs数据库建设与利用方面的不足,并对此提出可改进的相关建议与对策。

摘要：【目的/意义】近年来中国已成为日本第一大进出口贸易伙伴,而人民币汇率改革使得人民币的波动区间不断增加,人民币对日元的汇率波动对中日贸易的影响显得十分重要。【设计/方法】利用门限回归模型将人民币对日元的汇率波动分为高波动和低波动两类,在这两类波动情况下,汇率波动对出口分别有不同的影响。【结论/发现】实证研究结果有:(1)门限效应检验表明汇率波动对出口有非线性影响。(2)门限回归模型的参数估计显示人民币对日元汇率波动较小时,中国对日本的出口贸易受到汇率波动的负向影响;而波动较大时,影响不显著。(3)对样本分不同时间预测,结果显示汇率波动是预测出口变化的一个重要因素,并且门限非线性模型优于线性模型。

摘要：超导纳米线单光子探测器(SNSPD)是一种用于探测单光子的超导器件,探测效率是其主要性能指标之一,主要受纳米线对光的吸收效率影响。高温超导材料具有较高的工作温度,可以显著降低探测器系统的重量、体积以及制冷成本,因此制备单光子探测器具有很大发展前景。为研究高温超导单光子探测器的光吸收率,首先用椭偏仪测量了Tl_(2)Ba_(2)CaCu_(2)O_(8)(Tl-2212)的光折射率,利用Tl-2212和YBa_(2)Cu_(3)O_(6)设计了带有光学谐振腔的SNSPD,通过优化谐振腔SiO_(2)层和CeO_(2)层的厚度,对不同线宽、厚度、占空比的纳米线光吸收率进行仿真研究,结果表明光吸收率提升了约80%,明显提升了SNSPD的系统探测效率。