模型参数的短期自学习和长期自学习有何意义?
题目
模型参数的短期自学习和长期自学习有何意义?
相似考题
参考答案和解析
参考答案：模型参数自学习分为短期自学习和长期自学习。短期自学习用于轧件到轧件的参数修正，学习后的参数值自动替代原先的参数值，用于下一块同一种轧件，主要是与轧件有关的模型参数自学习。长期自学习用于大量同种轧件长期参数修正，学习后的参数值可以选择性地替代原先的参数值，主要是与层流冷却有关的模型参数自学习。加入自学习功能使得模型参数有了自我调整的能力，提高了模型的控制精度。
更多“模型参数的短期自学习和长期自学习有何意义? ”相关问题
-
第1题：
7、智慧物流的智慧，体现在自学习、自判断、自适应、自决策、自执行。
货物跟踪定位;物流预警雷达;四级地址库 -
第2题：
数学模型自学习的计算过程一般分为哪些步骤？
模型准备、模型假设、模型建立、模型求解、模型分析、模型检验 -
第3题：
20、基于规则的决策有较强的自学习能力
B . 错解析：现阶段无人车行为决策的方法主要是以上两种，即基于规则的行为决策和基于强化学习的行为决策。对于基于规则的行为决策来说，其具有易于搭建和调整，实时性好，应用简单等优点，但是由于其难以适应所有情况，需要进行针对性调整，其行为规则库易重叠而失效，有限状态机难以覆盖车辆可能遇到的所有工况而导致决策错误。对于基于学习的行为决策而言，由于其强大的数据训练集，可以减小环境的不确定性因素带来的影响，但是它需要大量的数据来进行预处理，计算量大，实时性差。随着科学技术的突飞猛进，以及近些年人工智能、强化学习、机器学习等的快速发展，结合上述两种方法的优势，顶层采用基于规则的决策，底层采用强化学习等算法，可以发挥学习算法的优势，增强场景的遍历深度，两种方法优势互补，必将成为未来无人车行为决策的发展方向。故基于规则的行为决策算法不会逐渐被基于学习的行为决策算法所取代，本题答案为B -
第4题：
88、自学习它能在系统运行过程中通过评估已有行为的正确性或优良度，自动修改系统结构或参数以改进自身品质的系统。
D -
第5题：
4、自学习的处理流程为：
自我监控、自我指导、自我强化