导读:本文包含了集群学习论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:集群,产业集群,拓扑,网络,通信网络,深度,模型。
集群学习论文文献综述
简晓彬,陈伟博[1]（2019）在《装备制造业集群式创新的学习网络及优化路径——以徐州工程机械产业集群为例》一文中研究指出优化创新学习网络对装备制造业的集群式创新发展具有重要推动作用。以徐州工程机械产业集群为例,运用社会网络分析方法实证研究装备制造业集群式创新的学习网络及优化路径。研究表明:知识技术的外部学习引进和内部学习再创新是装备制造业集群式创新学习机制形成的主要途径,创新的关键在于显性知识技术的高效转移与隐性知识技术的学习转化;徐工集团是徐州工程机械产业集群式创新学习网络的主要引领者,但其自主创新及引领带动能力亟待提升;网络中间层次的企业规模实力偏弱,制约其在网络中的创新骨干和传导带动作用。据此提出四方面的优化路径及对策。(本文来源于《科技管理研究》期刊2019年21期）
王权[2]（2019）在《在线学习网站数据库集群技术设计与实现》一文中研究指出如今信息技术高速发展,信息数据呈爆炸式增长,传统的单点数据库架构已无法满足业务需要,数据库集群技术应运而生。集群模型设计的重难点在于系统的负载均衡、数据一致性和可靠性。"江苏学习在线"网站建设根据实际需求及数据量测算采用了一种高可用的数据库集群模型。(本文来源于《现代信息科技》期刊2019年20期）
陈培,王超,王德奎,张东,房体盈[3]（2019）在《针对分布式深度学习训练的Kubernetes集群网络拓扑调度算法》一文中研究指出深度学习与Kubernetes相结合现今已经被业界广泛采用并有着大规模的实际应用,然而深度学习在Kubernetes集群上进行分布式训练有着诸多的不足和待优化点。本文针对Kubernetes集群的网络拓扑和深度学习分布式训练的特点对Kubernetes默认任务调度算法做了相关优化,在Kubernetes集群上采用Gang-scheduling和基于网络拓扑优化后的调度算法对分布式深度学习训练任务进行调度,经测试验证,相比默认的Kubernetes调度算法,该调度算法能够有效利用网络拓扑结构,并且对分布式深度学习训练速度有着明显的提高。(本文来源于《信息技术与信息化》期刊2019年09期）
曹诗杰,陈于涛,曾凡明[4]（2019）在《基于改进强化学习的无人艇集群一致性控制》一文中研究指出针对传统的建模研究方法在应用于无人水面艇集群时会遇到复杂的动态海洋环境问题,提出了一种新的多智能体马尔可夫决策过程控制框架,将一致性控制和势博弈理论结合起来.在强化学习过程中,通过映射每个智能体的动作-价值函数值(Q值)表到全局最大势函数表,从而得到最优联合决策矩阵用于协同控制.进行了仿真试验,根据平均回报值给出了分析结果,验证了控制器决策矩阵的自优化性,以及对于较大环境扰动的自适应性.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年09期）
董方昊,冯有前,尹忠海,梁晓龙,周诚[5]（2019）在《具有精英策略的深度强化学习无人机集群通信网络拓扑设计》一文中研究指出针对集群无人机背景下定向天线网络拓扑设计的NP-hard特点,基于网络高抗毁、低功耗、高稳定性等要求,以抗毁性(3-连通)、链路量、链路功耗和稳定性为奖励,提出了一种具有精英策略的深度强化学习通信网络拓扑生成算法,验证了精英经验池加速训练效果。与传统DQN相比,引入精英经验池能够有效加速模型收敛,训练时间减少3倍以上。与遗传算法相比,算法分离了训练与使用过程,当网络训练完成后,能够根据场景需要实时计算通信网络拓扑。实验阶段设计了随机给定空间位置的6节点、10节点、24节点和36节点的3-连通通信网络拓扑。实验结果表明:所提算法具有强的实时性和适用性,对于不大于36节点的网络,可在183 ms内实现网络拓扑的更新计算,达到了实际应用的实时性要求。(本文来源于《空军工程大学学报(自然科学版)》期刊2019年04期）
首席记者,李金健[6]（2019）在《学习上海打造重大科技基础设施集群经验》一文中研究指出7月12日至13日，市委副书记、市长肖亚非率东莞市政府代表团浙沪考察学习行的第叁站来到上海市，主要学习上海在城市治理水平、战略性新兴产业、科技创新中心建设等方面的好经验好做法。上海市政府副秘书长、浦东新区区委副书记、区长杭迎伟，浦东新区副区长徐惠丽，东莞(本文来源于《东莞日报》期刊2019-07-15）
田春岐,李静,王伟,张礼庆[7]（2019）在《一种基于机器学习的Spark容器集群性能提升方法》一文中研究指出目前基于Spark的应用十分广泛,合理的参数配置会使Spark作业具备较高的执行效率,很多学者对虚拟机集群上的Spark参数调优进行了深入研究。近年来,容器作为一种新兴的云计算基础设施越来越广泛地被应用于服务集群中,因而对基于容器集群的Spark参数调优进行研究也具有重要意义。文章研究了Docker容器集群中Spark的参数配置问题,提出了一种新型的参数调优方法(ContainerOpt),使用机器学习方法学习并预测作业在不同参数组合下的性能,同时引入节点自动伸缩机制,使输入规模较大的作业可以获得更优的性能。文章还提出了由时间和资源共同决定的性能表示模型,代替传统的基于单一执行时间的性能表示模型,从而在作业执行时间和资源占用之间达到较好的平衡。实验结果表明,相较于默认配置,该参数调优方法可提升50%的执行效率。(本文来源于《信息网络安全》期刊2019年04期）
李文博[8]（2018）在《知识交互学习行为对集群网络演化的影响效应研究》一文中研究指出考虑吸收内化系数、获得性学习系数、交互学习系数等变量,基于模型与仿真方法,研究了知识交互学习行为对集群网络演化的影响效应,通过静态与动态模拟得出:伴随企业获得性学习能力与吸收内化能力的不断学习进化,有效规模、效率、限制度、等级度等网络结构指标也在持续优化。(本文来源于《软科学》期刊2018年12期）
阚双,郭伏,杨童舒[9]（2018）在《多组织知识学习超网络模型及其学习绩效研究——面向复杂产品产业集群》一文中研究指出按照系统科学视角网络建模的研究范式,对复杂产品产业集群知识活动的主体、资源、动力机制等进行了分析,构建形成了具有动态特征的多组织知识学习超网络模型。深入该模型的演化过程,通过仿真实验发现:不同项目团队组建特征会带来不同的产业集群学习绩效,存在着一个能够实现最高绩效的最优项目团队规模;当项目团队所在的组织子网络拓扑结构处于小世界特征下,则多组织知识学习超网络知识水平能够快速上升,学习绩效高启;当项目团队规模小于最优规模时,组织子网络的小世界结构存续时长与项目团队规模成反比等。结合相关结论,提出了一些对策,如要优化网络公共知识与信息平台载体,加强对复杂产品产业集群项目团队规模和结构特征以及多组织知识学习网络的管理等,以提升知识管理绩效。(本文来源于《东北大学学报(社会科学版)》期刊2018年06期）
陈文[10]（2018）在《狠抓大项目 促进高质量发展》一文中研究指出走进乾硕物流园施工现场，两辆大型混凝土搅拌车及各种施工机械设备轰鸣，起重机在现场工作人员的操控指挥下，将一根根立柱起吊到相应位置，工人们正加紧进行园内金脉再生资源车间的基础施工。据项目负责人介绍，乾硕物流园100万吨废钢资源回收加工项目于今年3月份正式开(本文来源于《莱芜日报》期刊2018-07-19）
集群学习论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
如今信息技术高速发展,信息数据呈爆炸式增长,传统的单点数据库架构已无法满足业务需要,数据库集群技术应运而生。集群模型设计的重难点在于系统的负载均衡、数据一致性和可靠性。"江苏学习在线"网站建设根据实际需求及数据量测算采用了一种高可用的数据库集群模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
集群学习论文参考文献
[1].简晓彬,陈伟博.装备制造业集群式创新的学习网络及优化路径——以徐州工程机械产业集群为例[J].科技管理研究.2019
[2].王权.在线学习网站数据库集群技术设计与实现[J].现代信息科技.2019
[3].陈培,王超,王德奎,张东,房体盈.针对分布式深度学习训练的Kubernetes集群网络拓扑调度算法[J].信息技术与信息化.2019
[4].曹诗杰,陈于涛,曾凡明.基于改进强化学习的无人艇集群一致性控制[J].华中科技大学学报(自然科学版).2019
[5].董方昊,冯有前,尹忠海,梁晓龙,周诚.具有精英策略的深度强化学习无人机集群通信网络拓扑设计[J].空军工程大学学报(自然科学版).2019
[6].首席记者,李金健.学习上海打造重大科技基础设施集群经验[N].东莞日报.2019
[7].田春岐,李静,王伟,张礼庆.一种基于机器学习的Spark容器集群性能提升方法[J].信息网络安全.2019
[8].李文博.知识交互学习行为对集群网络演化的影响效应研究[J].软科学.2018
[9].阚双,郭伏,杨童舒.多组织知识学习超网络模型及其学习绩效研究——面向复杂产品产业集群[J].东北大学学报(社会科学版).2018
[10].陈文.狠抓大项目促进高质量发展[N].莱芜日报.2018
论文知识图
