本研究采用机器学习模型方法,通过预设配置参数训练 k 最近邻和支持向量机来预测区块链性能,并利用蚂蚁群优化模型对达到所需性能水平的最优区块链配置进行研究。使用粗糙集理论增强蚂蚁群优化模型,证明了在不确定性条件下实现了精确推荐最优参数配置;统计比较表明,本模型具有竞争优势,k 最近邻模型的性能超过支持向量机 5%,ISO 模型相较于常规蚂蚁群优化模型减少了 4%的不准确度偏差。
Sep, 2023
利用计算机模型和模拟技术,对涉及物理、天文、化学、生物、经济、工程和社会科学等领域中的复杂系统进行分析,在传统计算方法难以应对的复杂环境、关系和动态性问题中,多智能体系统具有很强的优势和潜力。
Feb, 2021
这篇研究提出了一种基于区块链和知识图技术的分散和自适应软件框架,以透明和可靠的方式支持物联网环境之间的知识交换和互操作性。
Apr, 2022
通过将大型语言模型(LLMs)如 GPT 集成到智能智能体建模(SABM)中,我们在这篇综述性研究中阐明了 ABM 的现状,介绍了 SABM 的潜力和方法,并提出了三个案例研究,验证了其在模拟现实系统中的有效性,同时展望了 SABM 未来应用的广阔前景,旨在重新定义计算机仿真的边界,实现对复杂系统的更深入理解。
Nov, 2023
大规模语言模型与基于代理的仿真的整合对于理解复杂社会系统具有变革潜力,本文探讨了系统开发 LLM 增强的社会仿真的架构和方法,并讨论了该领域的潜在研究方向。结论表明,将 LLM 与基于代理的仿真相结合为研究人员和科学家提供了强大的工具集,能够生成更细致、逼真和全面的复杂系统和人类行为模型。
May, 2024
使用强化学习方法,将矿机运算量更换为训练神经网络的计算,从而降低了公共区块链网络的能耗,同时促进数据共享和解决普遍问题的 AI 模型设计。
Feb, 2022
本文提出使用区块链技术来构建可信赖机器学习系统,并使用智能合约实现自动化的机器学习过程,从而解决现有数据库不可信、难以自动化的问题。本文的三个贡献是建立了机器学习技术和区块链技术之间的联系,提出了使用区块链技术的可信机器学习的统一分析框架,并使用关联规则挖掘为例来展示如何应用于社会问题的分析。
Mar, 2019
通过使用区块链技术存储数据并利用智能合约自动化机器学习流程,提出了一种可信机器学习系统的统一分析框架,并在其中构建了三个核心机器学习算法的实现,包括服务器层实现、流媒体层实现和智能合约实现。此外,该研究还提出了利用特殊的二进制数据格式在设备边缘部署的流媒体层上运行机器学习模型的新方法和一种可增强样本的综合数据生成方法,可以有效解决部分应用程序所需的训练数据量不足的问题。
Aug, 2019
综述了利用大型语言模型进行基于代理的建模和仿真的现状、挑战和未来发展方向,并提供了大型语言模型 - 基于代理的建模和仿真在实际环境和虚拟环境中的最新研究成果。
Dec, 2023
该论文介绍了利用数字孪生技术来帮助区块链系统的动态管理和重组,通过动态选择共识协议等方式维护区块链系统的性能平衡,模拟结果表明该数字孪生架构能够有效支持区块链的动态适应和管理。