未来索引
开启左侧

智能技术

  [复制链接]
邢远 发表于 2017-9-25 16:42:56 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题

timg (32).jpg

智能技术



      智能技术是为了有效地达到某种预期的目的,利用知识所采用的各种方法和手段。目前具有重要应用价值的智能技术列举如下:
一、主体(agent, 代理, 智能体)
      本方向要针对我国软件产业发展的需要,从建立分布式智能和分布式应用系统集成 的目标出发,在理论创新的基础上,发展公共主体请求代理体系机制CARBA,研究 面向主体软件工程方法,开发具有自主版权的目标产品"多主体环境 MAGE"。 主要研究内容包括:
理性主体的认知模型和多主体的协调策略;
面向主体的软件工程方法;
主体网格;
主体技术实用化研究方面。
该方向主要应用领域包括:电子商务,数字图书馆,移动计算,群体智能决策支持系统,以及CSCW。
二、机器学习与数据挖掘
      主要研究内容包括:
学习算法: 归纳学习、范例学习、贝叶斯网路、粗糙集、模糊集、支持向量机、强化学习、关联规则、遗传算法、解释学习
开展感知学习、主动学习和内省学习等研究;
通用数据挖掘工具,如SAS, SPSS, MSMiner。
      BBN技术公司已获美国国防高级研究计划局(DARPA)550万美元投资,开展综合学习项目(Integrated Learning Program)第一阶段工作。未来4年里,BBN将开发一种称为“综合学习器(Integrated Learner)”的人工智能(AI)能力,该装置在被展示了一个简单例子后能学习计划或过程。如果所有4年的研制项目全部完成,公司获得的总合同价值将可达到2400万美元。
      该项目的目标是将专业领域知识和常识综合创造出一个推理系统,该系统能像人一样学习并可用于多种复杂任务。这样一种系统将显著扩展计算机能学习的任务类型。
三、语义网格和知识网格(Semantic grid and knowledge grid)
      语义网格和知识网格是在异构的、动态的虚拟组织环境下,提供有效的知识服务和共享, 协作解决用户需要解决的问题,满足用户的需求。 主要研究内容包括:
知识模型。知识模型将描述系统的知识和推理需求,包括领域知识、推理知识和任务知识。
通信模型。通信模型将描述系统之间或系统与用户之间的需求和接口。
知识获取。研究适合高维、海量、异构、不完全、半结构化数据挖掘的有效方法和算法。
知识组织。研究通过概念语义空间进行知识组织,以期获得快速检索和高的查准率。
语义Web服务。利用语义Web技术改善Web服务,实现服务自动发现和组合。
统一逻辑。实现本体描述、服务匹配。
服务管理。面向用户服务的模式和协议。
四、自主计算(autonomic computing)
      IT系统拥有自我调节能力而无需人为的过多干预, 这就是自主计算的思想——将复杂性嵌入到系统设施本身,使用户觉察不到复杂性, 只需发号施令而不必关心系统执行命令的具体过程。这意味着,系统本身能够自主运行, 并自我调整以适应不同的环境。自主计算即得名于人体的自主神经系统,但它们的重要差异在于, 人体做出的很多自主决定是不自觉的,而计算机系统的自主计算组件则遵循人所下达的命令。 自主计算也不同于人工智能,虽然后者在某些方面对其有借鉴意义。自主计算并不将模仿人类思维作为主要目标,而是 具有适应动态变化环境自我管理能力。 主要研究内容包括:


自配置。使PC可以在无人参与的情况下自动安装应用程序,可用于包括IBM或其他品牌PC的混合环境; 系统移植助理则通过保存用户的设置,使用户特殊的数据、应用以及个人设置从旧系统向新系统转移时更容易。
自恢复。它能使PC用户快速、轻松地实现文件数据乃至应用程序和操作系统本身的恢复。
自优化。软件可以让用户轻易地在多种有线或无线的网络中切换,而不必操心网络连接时的设置变更过程。
自保护。利用系统集成的安全芯片和客户安全软件,提供了同时基于软硬件的保护措施。
五、认知信息学(cognitive informatics)
1.   神经计算
      侧重研究神经网络变换、神经场计算理论、 信念神经网络模型的学习理论、基于前馈动力学神经网络的联想记忆模型、基于遗传算法的神经网络算法、 神经近似逻辑、思维模型等。取得的研究成果如下:
以指数函数为隐单元激发函数的指数神经网络模型。
研究了变换神经网络的竞争学习问题, 提出了适应频率竞争学习算法, 推广了 K--中心聚类算法, 从而部分地解决了全局等概率性问题。
神经场计算的理论框架, 用平坦流形上单形、 复形的概念和理论来 作为神经网络模型结构的表示和编码机理, 通过复形结构的边缘链结构分解, 形成了 对于神经网络层次化, 功能模块化的组织结构、 定位机理的认识。
在非线性空间和非欧氏空间中基于整体结构逼近的学习理论框架, 在此基础上 分别提出了对偶校正学习算法(DCL) 和基于拓扑结构逼近校正学习算法( TAC)。
神经近似逻辑,该逻辑能很好地描述神经网络。神经近似逻辑不仅具有模糊的逻辑值, 而且逻辑运算符也是模糊的。
连接专家系统。
2. 学习的认知机理
3. 环境认知
六、内容计算
基于内容的多媒体信息检索。
智能搜索引擎

该会员没有填写今日想说内容.

精彩评论1

邢远 发表于 2017-9-29 05:58:13 来自手机 | 显示全部楼层
呵呵
智能技术共享平台 - 未来论 http://www.mywll.com/
回复

使用道具 举报

高级模式
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关注2973

粉丝3237

帖子9934

发布主题
阅读排行 更多
广告位
!jz_fbzt! !jz_sgzt! !jz_xgzt! 快速回复 !jz_sctz! !jz_fhlb! 搜索

智能技术共享平台 - 未来论

关注服务号

进入小程序

全国服务中心:

运维中心:天津

未来之家:天津 青岛 济南 郑州 石家庄

                商务邮箱:xy@mywll.com

Copyright © 2012-2021 未来派 未来论 (津ICP备16000236号-5)