行为预测

摘要： 智能博弈对抗一直是人工智能研究的热点。在博弈对抗环境中,通过对对手进行建模,可以推测敌对智能体动作、目标、策略等相关属性,为博弈策略制定提供关键信息。对手建模方法在竞技类游戏和作战仿真推演等领域的应用前景广阔,博弈策略的制定必须以博弈各方的行动策略为前提,因此建立一个准确的对手行为模型对于预测其意图尤其重要。从内涵、方法、应用三个方面,阐述了对手建模的必要性,对现有建模方式进行了分类;对基于强化学习的预测方法、基于心智理论的推理方法和基于贝叶斯的优化方法进行了梳理与总结;以序贯博弈(德州扑克)、即时策略博弈(星际争霸)和元博弈为典型应用场景,分析了智能博弈对抗过程中的对手建模的作用;从有限理性、策略欺骗性和可解释性三个方面进行了对手建模技术发展的展望。

摘要： 消费行为预测在营销活动中具有重要的价值,其预测效果主要取决于特征工程与算法建模。通过特征提取与新特征发现,提出定长与变长滑动窗口相结合的特征提取方法和基于先验知识与矩阵分解的特征交叉方法。特征提取方法考虑样本不平衡和用户消费习惯,提取更多的样本数据并给特征加上时间属性,而特征交叉方法考虑商品与用户之间隐含的关联关系,提取有关联的新特征。对于单一模型预测效果较差的问题,采用stacking策略构建集成学习模型,以XGBoost、随机森林和梯度提升决策树作为初级学习器对特征进行变换,以逻辑回归作为元学习器对用户消费行为进行预测。实验结果表明,该特征工程方法在多个模型算法中均能明显提高精准率,该集成学习模型预测效果要比单个模型更好。

摘要： 大脑感知系统与运动系统的交互作用是影响运动表现的关键因素之一。在Nature Reviews Neuroscience创刊20周年的1篇权威综述论文中,约翰斯·霍普金斯大学医学院的Kathleen E.Cullen教授认为,以往神经科学领域的研究者主要关注感觉输入是如何转化为运动输出的,而近些年的研究表明,运动信号在行为过程中也会影响感觉加工过程。人们在日常生活中大部分的感觉输入都来源于行为。这意味着预测行为的感知结果对知觉稳定性和精准的动作控制至关重要。

摘要： 本文以无人驾驶技术的演化背景为出发点,总结自主导航地图,即高精地图的概念、与普通导航地图的区别、内容组成及数据来源。在此基础上,论述了高精制图流程的主要模块,包括先验图层的数据采集和更新、动态图层的实时构建、边缘计算、数据标准化和压缩服务。本文重点介绍了高精制图技术面临的4个研究难题及发展现状:①复杂驾驶环境的自动建模;②边角案例的数据采集;③伦理困境中的导航决策;④无人驾驶技术的安全性能评估。这些难题从不同的侧面挑战着高精地图自主导航能力的极限,需要政府立法机构、相关企业、研究机构和公众在全球范围内协同攻关。并指出,随着无人驾驶技术的不断完善,安全第一的研究重点将逐渐扩展成兼顾安全可信、环保节能和身心愉悦的移动体验,高精地图的结构化数码将衍生出多样化的适合人眼阅读的高清地图。如何充分提高导航数据的成本效益,实时生成高精地图和高清地图,同时为机器和人类提供最优服务,将成为新的研究热点。

摘要： 为了提高恶意实体行为预测方法的准确度,文章结合主成分分析法、灰狼优化(Grey Wolf Optimization,GWO)算法和支持向量回归机(Support Vector Machine,SVM)模型,提出一种基于PCA和灰狼优化支持向量机的恶意实体行为预测模型。首先,综合考虑恶意实体的各项痕迹,选择与恶意实体行为类型相关性较强的痕迹构成特征向量;其次,建立SVM预测模型,并根据算法找出最优参数;最后,本文提出的预测模型与没有优化的SVM、没有改进的神经网络进行对比实验。实验结果表明,本文提出的预测模型能有效提高恶意实体行为预测精度,并具有较高的泛化能力。

摘要： 为了使电力大数据广泛应用于生产实践,深度挖掘现有数据,利用数据分析结果辅助决策,促进电力企业的发展。首先大数据处理技术对电网客户服务呼叫中心、营销系统等客户数据进行预处理,进而利用K-means聚类分析,建立了包含用户基本属性标签和行为标签的用户标签库,并基于用户历史行为,对其行为进行短期的预测,生成用户行为预测标签,最后生成客户画像。电力企业可利用画像结果,指导生产实践,提升服务水平,客户精益管理,实现智能营销,对电力企业发展具有重大意义。

摘要： 当空间中存在大带宽、频率快速跳变的辐射信号时,传统侦察接收机无法实现完整接收与准确识别。针对上述问题,提出一种宽带精细化侦察处理方法,实现了宽带实时数据采集与精细化时频分析,获得了多部辐射源信号特征参数的准确分类,并且生成了完整的辐射源态势信息与有效的敌方行为预测结果。实验结果表明,该方法能够实现宽带高速跳频信号的全概率接收及精确解析测量。

摘要： 为了能够满足自动驾驶汽车在复杂交通场景中安全高效运行,自动驾驶汽车必须做到对周围对象不确定性行为进行准确预测。作为自动驾驶的关键技术,近年来不断有新的轨迹预测思路和算法被提出,尤其是针对复杂交通场景中的对象轨迹预测。通过将复杂交通场景中的预测对象分为:车辆轨迹预测和行人轨迹预测2类,在此基础上对不同预测对象采用近年来的主流预测算法进行分类总结。最后讨论了当前行为预测存在的问题,并提出了一些有价值的研究展望。

摘要： 本文提出了一种智能驾驶车辆周车行为预测方法。行驶车辆和环境变化的不确定性大导致周车行为预测困难。提出了基于编码器与双向长短时记忆网络(Bi LSTM)联合的预测方法,保证长序列下的可记忆性。根据不同信息的重要性程度,基于注意力机制构造双向长短时记忆网络,保证了编码器在长序列下的可记忆性。所设计的注意力机制双向长短时记忆网络模型保证了周车行为预测的准确性与高效性。

摘要： 如何捕捉用户行为的动态变化及依赖关系是当前时序推荐领域的一个重要问题,主要面临着行为事件空间庞大、行为的时序依赖关系复杂等挑战。针对以上挑战,提出了一种基于行为序列潜在状态及其依赖关系学习的时序推荐算法。首先,利用最大池化层级结构获得行为序列潜在状态的低维表征;然后,通过图神经网络捕捉和描述潜在状态之间的依赖关系以实现用户行为变化模式的学习,从而获得更准确的时序推荐效果。实验结果表明,所提算法在节目点播(IPTV)、纽约(NYC)和东京(TKY)这3个数据集上与近年的分层门控网络(HGN)基线算法相比,在性能评估指标召回率上分别提高了30.03%、29.48%和33.75%,在归一化折损累计增益(NDCG)指标上分别获得了37.20%、43.47%和40.34%的相对提升,且消融实验结果表明了时序状态的依赖关系学习的有效性,因此所提算法尤其适用于解决时序推荐中单一时间片中行为稀疏以及行为依赖关系复杂的问题。

摘要： 在提速降费、4G流量不限量、5G即将试商用的环境下,如何提振ToC市场ARPU增长动力是运营商亟待解决的难题;准确挖掘潜在需求,建立精准客户画像并推出个性化营销政策则是该问题的核心.本文从运营商视角出发,提出了一种融合大数据能力与AI技术的BP神经网络行为预测算法,同时给出该算法的适用场景与关联的AI运营策略,帮助实现更精准的用户洞察与需求挖掘,进而推动运营商客户价值提升.

摘要： 针对设计者存在的认知差异及思维定式影响创新方案的生成问题,建立了用于描述设计过程和设计对象的设计认知模型,研究了基于功能知识综合的创新方案生成及基于行为预测的方案验证方法,为创新设计提供理论依据和方法指导.提出了基于云的设计知识服务框架、模型及方法并开发了原型软件，通过在大型机械制造企业内的集成创新应用实践，验证了所提出方法及所开发软件的有效性。

摘要： 城市地铁施工时常会遇到砂卵石地层,且含有粒径大于200mm以上的大漂石.这对盾构机的选型和盾构的掘进造成许多困难,本文通过研究介绍软土隧道中大漂石的处理与行为预测.

摘要： 离散选择模型是交通需求预测中交通方式划分的主要工具之一,因不同形式的离散选择模型有其优势和局限性,选择何种具体形式一直是离散选择模型应用的现实问题.对出行交通方式划分预测中五种常用的离散选择模型进行了分类研究,重点分析了各自的理论基础与应用特征并将五类模型应用于一个真实的城际出行交通方式划分预测,比较了各模型的计算结果.结果表明,NL模型能够较好解决存在于替选方案的相似性问题;MMNL预测误差最小,可靠性最高,较NL、HEV、MNP 模型更能解决交通方式选择行为中存在的相似性、异质性的问题,是一种对交通方式选择行为预测的有效方法.研究对交通方式分担率预测问题具有重要的指导意义,表明通过简单选择某个离散选择模型开展研究得出的结论并不一定可靠,应根据模型特点谨慎选择、谨慎应用.

摘要： 本文提出了一个新的机器学习模型.它具有人文行为特点(HumanFactPhenomena,HFP).其目的是加强原有的机器学习机制的功能.本文给出了一个基本的,可用于对人的行为进行学习与预测的新机制.现何的用于行为预测的系统大都利用历史记录数据来学习并创建一个知识库(KnowledgeBase,KB),行为预测是建立在知识库上的.这些系统在学习时只能得到数据中的物理特征,如:时间,地点和怎样实现某种行为.新的机制使用历史记录数据和HFP来并创建知识库.它的初衷是用来回答"为什么"的问题.文章主要在理论上进行探讨.

摘要： 文章利用独特的夫妻匹配调查数据,分析"单独两孩"政策对生育意愿的影响,并为生育意愿与生育行为的不一致提供新颖解释.研究结果表明,生育政策对生育意愿的影响非常有限,"单独"、"双独"和"双非"夫妻之间的生育意愿没有统计和数量的显著差异.配偶的经济社会特征，尤其是丈夫的经济收入显著影响妻子的生育意愿。妻子收入低、丈夫收入高，即生育机会成本低且有能力养育更多孩子的家庭，二孩生育意愿相对较高。生育决策无法单方面决定，尽管两性平均的生育意愿非常接近，但因30%的夫妻生育意愿存在差异，使得夫妻一致的生育意愿较低，从而抑制实际的生育行为。因此，文章建议在生育意愿研究中加强夫妻匹配视角的分析，以提高其对生育行为的预测作用与强化政策应用效果。

摘要： 文章利用独特的夫妻匹配调查数据,分析"单独两孩"政策对生育意愿的影响,并为生育意愿与生育行为的不一致提供新颖解释.研究结果表明,生育政策对生育意愿的影响非常有限,"单独"、"双独"和"双非"夫妻之间的生育意愿没有统计和数量的显著差异.配偶的经济社会特征，尤其是丈夫的经济收入显著影响妻子的生育意愿。妻子收入低、丈夫收入高，即生育机会成本低且有能力养育更多孩子的家庭，二孩生育意愿相对较高。生育决策无法单方面决定，尽管两性平均的生育意愿非常接近，但因30%的夫妻生育意愿存在差异，使得夫妻一致的生育意愿较低，从而抑制实际的生育行为。因此，文章建议在生育意愿研究中加强夫妻匹配视角的分析，以提高其对生育行为的预测作用与强化政策应用效果。

摘要： 文章利用独特的夫妻匹配调查数据,分析"单独两孩"政策对生育意愿的影响,并为生育意愿与生育行为的不一致提供新颖解释.研究结果表明,生育政策对生育意愿的影响非常有限,"单独"、"双独"和"双非"夫妻之间的生育意愿没有统计和数量的显著差异.配偶的经济社会特征，尤其是丈夫的经济收入显著影响妻子的生育意愿。妻子收入低、丈夫收入高，即生育机会成本低且有能力养育更多孩子的家庭，二孩生育意愿相对较高。生育决策无法单方面决定，尽管两性平均的生育意愿非常接近，但因30%的夫妻生育意愿存在差异，使得夫妻一致的生育意愿较低，从而抑制实际的生育行为。因此，文章建议在生育意愿研究中加强夫妻匹配视角的分析，以提高其对生育行为的预测作用与强化政策应用效果。

摘要： 大数据在反恐情报中具有重要的地位与作用,利用定性分析方法,对大数据在反恐情报中的应用进行了研究.从数据源、疫情发布、情报综合分析能力三个方面论证了大数据在反恐情报的作用.提出了应用大数据对恐怖分子的作案行动进行追踪,预测与监测恐怖组织的活动、可视化分析等方面的内容.通过研究,为大数据在反恐情报中的应用理清思路,以期对反恐情报的建设提供一定的理论支撑,维护国家安全与社会稳定.

摘要： 大数据在反恐情报中具有重要的地位与作用,利用定性分析方法,对大数据在反恐情报中的应用进行了研究.从数据源、疫情发布、情报综合分析能力三个方面论证了大数据在反恐情报的作用.提出了应用大数据对恐怖分子的作案行动进行追踪,预测与监测恐怖组织的活动、可视化分析等方面的内容.通过研究,为大数据在反恐情报中的应用理清思路,以期对反恐情报的建设提供一定的理论支撑,维护国家安全与社会稳定.

摘要： 本发明提供一种移动体行为预测装置以及移动体行为预测方法，能够不伴随频出的移动体的行为的预测精度的降低地提高稀有的移动体的行为的预测精度提高。在自身车辆(101)中设有移动体行为预测装置(10)，在移动体行为预测装置(10)中设有第一行为预测部(203)和第二行为预测部(207)，第一行为预测部(203)学习第一预测行为(204)，以使移动体的行为的预测结果与预测时间经过后的移动体的行为的识别结果的误差最小化，第二行为预测部(207)学习自身车辆(101)周边的移动体的将来的第二预测行为(208)，以使自身车辆(101)不进行不安全的驾驶。

摘要： 车辆行为预测装置具备：检测本车辆的前方或者侧方的物体相对于本车辆的位置、以及从本车辆观察在比物体更远处行驶的移动物体的物体检测装置(1)；以及行为预测部(10)。行为预测部(10)根据由物体检测装置(1)检测到的位置，计算由物体形成的、物体检测装置(1)无法检测的本车辆的死角区域。行为预测部(10)推测可检测时间，该可检测时间是在通过物体检测装置(1)检测到移动物体后移动物体在规定的前进道路行进的情况下从移动物体被检测到时起到移动物体进入死角区域为止的时间即。行为预测部(10)比较可检测时间、和从移动物体被检测到时起到移动物体实际地进入死角区域为止的时间即实际的可检测时间，根据比较的结果，预测移动物体的前进道路。

摘要： 本公开关于一种用户行为预测模型的生成方法、用户行为预测方法及装置，其中方法通过获取训练样本数据，当训练样本数据为新用户样本数据时，根据将新用户样本数据分别训练第一预测网络和第二预测网络，从而得到训练后的用户行为预测模型。由于第一预测网络是基于新用户样本数据和老用户样本数据训练后得到，第二预测网络则由新用户样本数据进行训练，且能够为第一预测网络和第二预测网络的输出赋予相应的权重，从而使得模型能够学习到用户成长过程中的兴趣变化，不仅能够有效提高模型的泛化能力，还可以提高模型的准确性。

摘要： 行为预测装置根据车辆的周围的物体的信息来确定影响车辆的行为的第一物体。行为预测装置进行通过存在于第一物体周围的多个物体的信息来提取影响第一物体的行为的第二物体并对第二物体预测行为的预测处理。行为预测装置进行将提取出的第二物体作为新的第一物体来提取影响新的第一物体的行为的新的第二物体并对新的第二物体预测行为的预测处理。行为预测装置将该预测处理反复进行规定的次数。行为预测装置基于进行预测处理所得出的第二物体各自的行为，来预测最初的预测处理中的第一物体的行为。

摘要： 本发明提供危险行为预测装置、预测模型生成装置以及危险行为预测用程序；该危险行为预测装置具备：输入患者的电子病历中包含的m个文本的学习用数据输入部(10)；从m个文本提取n个单词并计算出反映m个文本与n个单词之间的关联度的相似度指标值的相似度指标值计算部(100)；生成用于根据针对一个文本由n个相似度指标值构成的文本指标值组将m个文本分类为多个事件的分类模型的分类模型生成部(14)；以及通过将相似度指标值计算部(100)从预测用数据输入部(20)输入的文本计算出的相似度指标值应用于分类模型中，从而根据预测对象的文本预测发生跌倒的可能性的危险行为预测部(21)；使用表示哪个单词对哪个文本的贡献程度如何的相似度指标值生成高精度的分类模型。

摘要： 本公开关于一种用户行为预测模型的生成方法、用户行为预测方法及装置，其中方法通过获取训练样本数据，当训练样本数据为新用户样本数据时，根据将新用户样本数据分别训练第一预测网络和第二预测网络，从而得到训练后的用户行为预测模型。由于第一预测网络是基于新用户样本数据和老用户样本数据训练后得到，第二预测网络则由新用户样本数据进行训练，且能够为第一预测网络和第二预测网络的输出赋予相应的权重，从而使得模型能够学习到用户成长过程中的兴趣变化，不仅能够有效提高模型的泛化能力，还可以提高模型的准确性。

摘要： 本说明书实施例描述了行为预测模型的训练方法、风险行为预测方法和装置。根据实施例的方法，可以在训练行为预测模型时获取样本行为事件的类型标识以及样本行为事件所发生的时间信息。然后将样本行为事件在连续的时间域上进行表征，进而根据在连续时间域上表征后的行为事件表征训练行为预测模型，以对行为预测模型输出的类型标识和时间的预测值进行优化。通过将样本行为事件在连续的时间域上表征，实现了行为事件和其所发生的的时间的关联，使得模型能够充分学习到行为事件和其所发生的时间所呈现出的规律和周期性的特征，从而能够提高风险行为预测的准确性。

摘要： 本申请实施例提供了行为预测方法、行为预测装置、电子设备、存储介质，属于人工智能技术领域。该方法包括：获取待预测目标的目标保单数据和预测任务数据；对所述目标保单数据进行特征提取，得到初步保单特征；根据所述初步保单特征从预设的公共特征池筛选出目标保单特征；根据所述初步保单特征和所述目标保单特征从预设的历史保单数据中提取出候选保单数据；根据所述预测任务数据从所述候选保单数据提取出候选数据；对所述候选数据进行聚合计算，得到目标行为数据，本申请实施例能够可以根据不同预测任务进行预测，提高行为预测的效率和准确率。

摘要： 本公开涉及一种行为预测方法、行为预测模型的生成方法及电子设备，该行为预测方法包括：获取目标账户的账户特征、目标对象的第一对象特征以及目标账户的历史交互对象的第二对象特征；通过行为预测模型对账户特征、第一对象特征和第二对象特征进行处理，得到目标账户对目标对象执行预设行为的概率值；基于概率值确定目标账户对目标对象执行预设行为的程度信息。本公开预测的目标账户对目标对象执行预设行为的程度信息可以应用于多个场景中，有助于提升推荐场景中对象推荐准确度，或者目标账户分析场景中对目标账户的分析准确度。

摘要： 行为预测装置根据车辆的周围的物体的信息来确定影响车辆的行为的第一物体。行为预测装置进行通过存在于第一物体周围的多个物体的信息来提取影响第一物体的行为的第二物体并对第二物体预测行为的预测处理。行为预测装置进行将提取出的第二物体作为新的第一物体来提取影响新的第一物体的行为的新的第二物体并对新的第二物体预测行为的预测处理。行为预测装置将该预测处理反复进行规定的次数。行为预测装置基于进行预测处理所得出的第二物体各自的行为，来预测最初的预测处理中的第一物体的行为。