机器学习在可穿戴智能传感系统中的应用与进展

近些年,随着传感器和集成电路制造工艺的高速发展,可穿戴设备的应用越来越多;同时,利用人工智能和机器学习方法来辅助和促进可穿戴系统的应用也得到了广泛的研究.机器学习辅助的可穿戴智能传感系统可以跟踪监测人体活动和生命体征信号,在人机交互、数字健康乃至临床诊断等领域具有重要的应用前景.本文详细介绍和讨论了近期可穿戴传感器件、机器学习算法及其辅助可穿戴传感应用等研究进展,并探讨了机器学习辅助的可穿戴传感系统面临的挑战,总结了有待改进之处.同时,本文也针对机器学习在可穿戴传感系统中的进一步应用提出了潜在的解决方案和可能的发展方向.     

"天机芯"有望促进人工通用 智能发展

<正>近日,中国科学家研制成功面向人工通用智能的新型类脑计算芯片——"天机芯",并成功地在无人驾驶自行车上进行了实验。"天机芯"是一款新型人工智能芯片,把人工通用智能的两个主要研究方向,即基于计算机科学和基于神经科学这两种方法集成到一个平台,可以同时支持机器学习算法和现有类脑计算算法。搭载"天机芯"的自行车,可以实现实时视觉     

人工智能的未来

正杰夫·迪恩(Jeff Dean)是谷歌公司的人工智能项目负责人,他与《美国科学家》(American Scientist)主编费内拉·桑德斯(Fenella Saunders)对谈,讨论了当前人工智能研究所面临的若干重大进展和担忧,以及这种局面会如何影响人类社会。机器学习领域已经取得许多进展,你认为其发展方向在哪?我们已经在深度学习方面取得重要进展。深度学习本质上是人工神经网络的重塑。人工神经网络已经出现三四十年,作     

论人工智能空间分析

空间分析是对空间现象进行定量分析的一种方法,成为支撑地理信息系统(geographic information system,GIS)发展的核心竞争力。LBS(location based service)的非专业化应用,给空间分析带来了空前的挑战。尤其是智能手机、移动支付系统、共享单车等的快速发展,在短短几年时间内将空间分析带入到一个全新的人工智能阶段。为了给正在到来的人工智能空间分析(artificial intelligence spatial analysis,AISA)绘制一个蓝图,首先简要梳理了空间分析发展的关键节点：从0到1的计算机化工作模式、全球视野的可视化计算、隐LBS与智慧应用、云GIS与人工智能时空决策。其次梳理和总结了机器学习的五大流派、主导算法与空间分析对应的演进特点。再次,提出了人工智能空间分析的定义和建模原理、技术框架。最后,预测了未来人工智能空间分析的热点研究方向：智能空间计算、超参数空间优化、智能空间规划机器人、全样本时空预测和空间神经网络分析等。通过梳理、分析、总结及预测人工智能空间分析的发展历史及发展趋势,旨在为人工智能空间分析提供系统性的理论及应用研究参考。     

机器人越发变得聪明

<正>1956年,当一群计算机科学家精英汇聚在美国汉诺威市的达特茅斯学院时,开创了一个他们称之为"人工智能"的时代——当时人们对人工智能的前景是相当乐观的。基于开发机器智能的基本原则是建立在"对人类智慧本身透彻理解"这样一个假设之上,人们有理由认为:对于人类学习能力的各个方面,或人类智能的任何其他方面,原则上已经得到了充分的阐述,让机器模拟人类智能也是完全可能的。到底什么是人类智能?如果你问上10个人,至少会有11种答案。对于哲学家来说,智慧就是渊博的知识,对于心理学家来说,智能则是智力     

“工业4.0”时代的工厂

<正>Detlef Zuehlk教授也为我们解读了SmartfactoryKL的基本内容。——编者"工业4.0"从本质上说是一个迫在眉睫的第四次工业革命的愿景,主要带来的是信息和通讯技术的进步。正如我们的日常物品,如手机、相机、汽车等正"智能化"和联网进入全球互联网,类似的发展也可以在我们的工厂得到见证。按照物联网即用的范式,组成我们生产系统的所有组件也成为智能网络节点,可以很容易(在很大程Detlef Zuehlk教授所在的德国人工智能研究中心创新工厂系统部协同10家德国企业,建立了世界上首个反映"工业4.0"愿景的工厂模型     

力学信息学简介

数据在力学的发展中始终属于最基础和最重要的角色。在古典力学时代,通过对海量数据的总结归纳,科学大师们得出了以牛顿运动三大定律为代表的自然世界运行的客观规律。在当今时代,快速发展的力学实验自动化技术和高通量技术,使力学数据呈爆炸式增长,如何基于迅猛增长的数据来快速发现、发展和革新力学理论,成为一个迫切需要解决的问题。力学工作者可以借助当下快速发展的人工智能算法,直接智能地优化实验和生产工艺,或者利用诸如符号回归、稀疏回归和流形学习等机器学习方法对数据进行挖掘处理,发现并给出数据所遵循的公式形式,将数据上升为知识。这一人工智能和力学相结合的交叉学科便是“力学信息学”。基于力学信息学方法,古老的力学学科也必将迎来新的春天。     

数据驱动的锂离子电池全生命周期状态参数评估

机器学习作为人工智能核心技术之一,通过对当前数据的学习找出复杂问题之间的关系而被广泛应用,机器学习作为研究锂离子电池状态参数估计的新技术,相关报道也层出叠见.本文首先回顾了传统模型中的电化学模型和等效电路模型在电池状态估计的研究进展;然后基于这些模型当前的局限性,回顾、分析、比较了不同机器学习模型在电池状态参数估计中的应用进展及取得的成绩;最后指出了当前基于数据驱动的人工智能方法在锂离子电池状态参数评估过程中所面临的问题,并对未来发展提出了建议.     

AI早期试验场:寻找新粒子

<正>20世纪80年代末,正值"神经网络"一词极大地激发了公众的想象力之时,粒子物理学家就开始了对人工智能(AI)的研究。粒子物理学家的研究领域导致他们要向人工智能和机器学习算法发展,高能物理学家要利用机器学习的能力筛选粒子碰撞产生的碎片,因为几乎每一个实验中心都致力于在粒子探测器产生的数不尽的相似数据中发现微妙     

类脑智能引导AI未来

人工智能是否要“类脑”以及如何“类脑”是人工智能发展中颇具争议的问题。结合在仿生视觉及人工智能领域多年的研究体会,阐述了类脑智能研究的意义与方式,讨论了现阶段人工智能与类脑智能的异同,发表了对未来人工智能发展的一些看法。基于对类脑智能的以上看法,作者及团队将研发智能、感知和操控功能兼备的“机器头脑”,以探索机器自主智能的发展。     

浅谈基于深度森林的年龄估计

人工智能和深度学习越来越多地进入到我们的日常生活。自动人脸年龄估计是人工智能领域的一个热门研究问题,并随着社交平台和社交媒体的兴起越来越受到人们的关注。从基于传统人工智能技术和基于深度学习的两个方法对人脸年龄估计进行了介绍,并着重对基于深度森林的年龄估计进行了阐述。     

二维材料在人工智能中的应用

二维材料是构建神经形态器件并实现低功耗、微型化和规模化集成的首选材料体系。文章对二维材料在人工智能领域的应用现状、优势和面临的问题进行了简要评述，并对其发展趋势进行了展望。     

量子人工智能：量子计算和人工智能相遇恰逢其时

量子人工智能，是由量子计算和人工智能交叉发展起来的新兴学科和技术。过去几十年来，量子计算和人工智能技术各自经历了起起落落、螺旋上升的发展历程，而现在正逐渐落地，有望给人类的技术革新、生产和生活带来颠覆性改变。我们正迎来二者深度交叉的最好时机，一个量子人工智能研究的最好时代！     

光合作用放氧反应

光合作用放氧中心(OEC)是植物光系统II(PSII)中利用太阳能高效、安全地将水氧化，释放出电子、质子和氧气的生物催化剂。OEC的合成、结构和催化机理及其仿生模拟一直是光合领域广受关注的研究热点和难点。近年PSII高分辨率晶体结构研究揭示出OEC是一个特殊的Mn₄CaO₅ 簇合物，这一重要进展使人类可以在原子水平上探讨光合放氧反应的微观机理，同时也为OEC的人工合成提供了重要依据。我们近年来成功合成出结构和理化性能均与生物OEC类似的系列仿生Mn₄CaO₄簇合物，为研究OEC的微观机理提供了理想的化学模型，同时也为发展高效、廉价人工光合作用水裂解催化剂奠定了基础。目前无论是自然光合放氧研究，还是人工光合放氧研究都有大量重要的科学问题亟待深入研究。     

人工智能的历史回顾和发展现状

简略地回顾了人工智能的历史和发展现状。分析比较了人工智能两大领域：符号主义和连接主义,同时介绍了各个领域的主要原理和方法。着重回顾了深度学习的历史、复兴的原因和主要的应用。     

多元智能理论研究综述

文章对多元智能理论的研究发展从多元智能与教育教学观、素质教育、新课程改革、教师教育以及幼儿园教育等几个方面进行了综述,并对多元智能理论的教育实践进行了评价和展望。     

深度模型水印

深度神经网络模型凝结了设计者的智慧，需要消耗大量数据和计算资源，是人工智能技术的重要产出物，已被广泛应用于生产和生活当中。然而，作为一种数字产品，如何保护深度神经网络模型免于被非法复制、分发或滥用(即知识产权保护)是人工智能产业化进程中必须面临和解决的难题。文章主要介绍基于数字水印的深度模型产权保护技术，通过总结深度模型水印的发展现状，对深度模型水印的研究趋势进行展望。