Nov, 2023

一个面向印度小农户的在线基于优化的决策支持工具：在非稳态环境中的学习

PDF
TL;DR为了帮助小农户在气候变化下提高农业生产力，本研究将农作物管理决策支持系统模型化为一个马尔可夫决策过程，并采用 Li and Li (2019) 的 Follow the Weighted Leader (FWL) 在线学习算法为农户提供种植建议，通过模拟成功提出了保持效用的农作物种植模式，并与离线规划算法相比，大大减少了运行时间，但实现了相同的累计收益。
crop management decision support systemsclimate changessmall farmersmarkov decision process (mdp)utility-preserving cropping pattern
发现论文，激发创造
  • 基于学习的农业管理应对气候变异的部分可观测环境

    利用深度强化学习和递归神经网络结合的创新框架，在农业管理中引入智能代理，优化氮肥管理策略，并研究气候变异对农业结果和管理的影响，为适应动态气候情景提供了可行的可调整肥料策略。

    Jan, 2024

  • 农民助手：基于机器学习的农业解决方案应用

    开发了一个易于使用的网络应用程序，以解决种植作物面临的问题，其中包括作物推荐、肥料推荐、植物病害预测和交互式新闻提要，同时应用解释性技术解释病害检测模型的预测。

    Apr, 2022

  • 机器学习在作物产量和疾病预测中的应用：结合土壤营养和天气因素

    为了解决孟加拉国农业领域中作物选择和疾病预测的问题，本研究开发了一种智能农业决策支持系统。通过利用机器学习方法和实际数据集，该系统结合了作物生产、土壤条件、农业气象区域、作物疾病和气象因素的综合数据，为用户推荐作物列表并预测可能的疾病，并通过决策树回归模型预测作物产量，帮助农民选择高产作物和预防作物疾病，提高孟加拉国的农业实践水平。

    Mar, 2024

  • 应用强化学习和模仿学习优化农作物管理

    本文提出了一种智能作物管理系统，采用深度强化学习（RL）、模仿学习（IL）和作物模拟技术，通过同时优化氮肥施用和灌溉，解决了对特定种植环境和作物寻找最佳管理实践的挑战。实验结果表明，该管理系统在不同观测情况下的训练策略均取得了更好的效果，并且部分观测策略可以直接在实际情况中使用。

    Sep, 2022

  • 在线学习弱耦合的 MDP 策略用于负载均衡和自动缩放

    该研究介绍了一种针对具有突发流量的有限队列的负载均衡和自动缩放的新模型和算法，通过线性规划解决了弱耦合的马尔可夫决策过程问题，进一步将其放松为可操作的松弛线性规划，并基于线性规划的拉格朗日函数提出了一个两时间尺度算法来解决在线参数学习和策略优化的问题。

    Jun, 2024

  • IGrow：智慧农业解决方案 – 自主温室控制

    本文提出了一种名为 iGrow 的智能农业解决方案，利用传感器、人工智能和优化算法来控制自动化温室，实现高效智能化的农业生产，实验证明其显著提升了作物的产量和净利润。

    Jul, 2021

  • 高分辨率作物产量预测的弱监督框架

    本文提出一种利用高分辨率的指标和低分辨率的标记数据来预测作物产量的深度学习框架，并通过低分辨率作物面积和产量统计的弱监督进行校准。该框架的表现优于线性趋势模型和 GBDT，即使缺乏高分辨率产量数据，也可以用弱监督深度学习方法来预测更高分辨率的作物产量。

    May, 2022

  • 新农学家：语言模型专家在作物管理中

    作物管理中采用深度强化学习和语言模型的决策支持系统在模拟实验中表现出卓越的性能，实现了经济利润的显著提升和环境影响的降低。

    Mar, 2024

  • 核化马尔科夫决策过程中的在线学习

    研究了采用非参数高斯过程先验的 UCRL 和后验抽样算法的在线学习方法在未知的连续状态和动作的马尔可夫决策过程中最小化后悔的问题，在频率设置下，通过对核函数诱导的函数的再生核希尔伯特空间的真实 MDP 的转移和奖励函数的成员进行变异，研究了这些算法的后悔边界问题，并突出了转移和奖励函数对学习性能的影响。

    May, 2018

  • 非定常线性马尔可夫决策过程中的高效学习

    本研究提出了一种基于权重最小二乘值迭代的非稳态线性马尔可夫决策过程（MDP）最优模型 - free 算法 OPT-WLSVI，使用指数权重平滑地遗忘过去的数据，与先前的研究相比解决了遗忘策略上的技术差距，并分析了与最佳策略竞争的总遗憾是有上限的。

    Oct, 2020