人工智能研究的前沿领域

AI9个月前发布 aixure
18 0 0
导读:一、智能代理 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…

人工智能研究的前沿领域

hjgzzx 发表于 – 2007-10-15 8:49:00

一、智能代理

  (1)理性主体的认知模型和多主体的协调策略;
  (2)面向主体的软件工程方法;
  (3)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
  主要研究内容包括:

  (1)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、关联规则、遗传算法、解释学习;
  (2)开展感知学习、主动学习和内省学习等研究;
  (3)多策略通用数据挖掘工具MSMiner。

  三、知识网格(knowledge grid)
  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:

  (1)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。
  (2)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。
  (3)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。
  (4)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。
  (5)服务管理。面向用户服务的模式和协议。

  四、自主计算(autonomic computing)

  主要研究内容包括:

  (1)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。
  (2)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。
  (3)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。
  (4)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。


  (3)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。
  (4)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)。
  (5)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。
  (6)连接专家系统。

  2.学习的认知机理

  3.环境认知

  六、信息检索
  (1)基于内容的多媒体信息检索。
  (2)智能搜索引擎

 

 

| | 引用通告 | 编辑

  • 上一篇:信息社会中信息处理的意义
  • 下一篇:机器翻译的故事
  • Re:人工智能研究的前沿领域

    大椒(游客) 发表于 – 2007-10-16 9:43:34

    大椒味道不错,满辣的!下次多吃点!!

    Re:人工智能研究的前沿领域

    初吻给了奶嘴(游客) 发表于 – 2007-10-16 9:43:20

    哎~我的水平和你也差不多的啦~什么时候来扬州玩下啊~来切磋下撒~

    Re:人工智能研究的前沿领域

    飞雪‰无傲(游客) 发表于 – 2007-10-16 9:38:21

    很可能,因为科学的力量是无穷的,一切都有可能。虽然机器的智能是人赋予的。但青出于蓝也不是没有可能的。因为万物是不断进化的,人工智能也是。

    Re:人工智能研究的前沿领域

    123(游客) 发表于 – 2007-10-16 9:35:12

    古 经过好看一时毫毫时毫磅时

    Re:人工智能研究的前沿领域

    65156654(游客) 发表于 – 2007-10-16 9:33:51

    (1)以指数函数为隐单元激发函数的指数神经网络模型。
      (2)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。
      (3)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。
      (4)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)。
      (5)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。

    Re:人工智能研究的前沿领域

    施严(游客) 发表于 – 2007-10-16 9:33:36

    严总来过了! 我看了这篇文章我感到可能! 我是呆比!

    Re:人工智能研究的前沿领域

    林总(游客) 发表于 – 2007-10-16 9:32:04

    赞助本站

    © 版权声明

    相关文章

    暂无评论

    暂无评论...