机器学习的主要策略与基本结构

学习是人类获取知识的重要途径和人类智能的重要标志,而机器学习则是机器获取知识的重要途径和机器智能的重要性标志。机器学习一直是人工智能研究的核心课题之一。本文主要本文讨论了机器学习的一些基本概念、主要策略和结构。     

《智能系统学报》2012年征订启事

智能系统学报(CAAI Transactions on Intelligent Systems)是中国人工智能学会会刊,由中国人工智能学会和哈尔滨工程大学联合主办,中国科技核心期刊刊源.读者对象主要为国内外各研究机构的科研人员、相关企业工程技术人员及高等院校相关专业广大师生,所刊内容包括人工智能与计算智能、智能控制与决策、智能信息处理、专家系统与知识工程、机器学习与知识发现、人工心理与机器情感,以及智能技术在各领域的应用.     

机器学习与人脸识别方法概述

对机器学习与人脸识别的基本含义和主要方法进行了概述.提出融合人脸的多种生物特征,改进现有的机器学习算法,并进一步推进机器学习方法在人脸识别中的应用,将十分有利于人脸识别精度的改善和人脸识别速度的提高.     

论人工智能科学中的机器学习

本文首先提出机器学习是人工智能科学中提高机器智能水平的唯一途径。只有不断完善机器的学习功能，才能使机器接近或超过人类和智能水平，提出了机器的学习方法和分类，指出机器学习的发展必须依靠思维科学的发展。最后，提出了研究机器学习的目标及意义。     

“第九届中国智能机器人学术研讨会”征稿

由中国人工智能学会主办的第九届中国智能机器人学术研讨会将于2011年11月11—13日在深圳召开。征文机器人理论与控制技术;人工智能与智能控制技术;智能机器人体系结构及实现方法;机器学习、算法与知识工     

智能车辆规划与控制策略学习方法综述

智能车辆相关技术已实现了长足的发展,并已能够在有限封闭场景中实现自主行驶的基本功能. 然而,实际道路测试结果表明,目前智能车辆技术仍存在较多局限,而智能车辆在复杂城市与越野环境的大规模应用仍面临较多挑战. 作为智能车辆关键技术之一,运动规划与控制技术已基本建立了完整的理论体系并已得到较多工程应用,但传统方法在实际应用中仍存在动态复杂场景理解能力弱、场景适应性差、模型复杂度高、参数调整难度大等缺陷. 由于机器学习方法具备较强的知识表征与模型拟合能力,其已经在智能车辆的感知与导航技术中得到了广泛的应用. 而为了解决传统运动规划与控制技术存在的泛化性与适用性等问题,许多研究者近年来也开始探索基于深度学习、强化学习等机器学习方法的运动规划与控制方法. 本文将对目前基于机器学习的智能车辆规划与控制方法研究现状进行回顾,从规划与控制策略基本架构、基本学习范式以及基于学习的规划与控制方法三方面对现有智能车辆规划与控制策略学习方法进行分析,最后对研究现状与未来发展方向进行总结与展望.      

深度学习和机器学习及模式识别的研究

科学技术的不断进步,带来计算机技术的飞速发展,使得利用计算机实现人工智能成为可能,就是通过计算机去完成过去只有人才能做的智能工作。机器学习是计算机实现智能的重要方式,人工智能的发展离不开机器学习的支撑。深度学习、机器学习和模式识别,是三个非常接近的概念,与当下最热门的科技主题——机器人和人工智能联系紧密。该文分析了深度学习、机器学习和模式识别的相关概念和联系,研究了机器学习的发展历程。     

机器学习与智能决策支持系统

长期以来，两个关键性的问题一直困扰着智能决策支持系统的研究者们，即智能决策支持系统如何获取和精确与决策过程直接相关的知识，以及如何使智能决策支持系统具有一定的适应性和演进能力，使其在不断的使用过程中积累经验而改善自身的性能。本文就如何利用机器学习方法解决智能决策支持系统研究过程中存在的上述问题进行了探讨。     

基于自然语言处理的材料领域知识图谱构建方法

如何将材料领域知识与机器学习技术相结合是材料智能研究迫切需要解决的问题. 知识图谱(knowledge graphs, KGs)作为一种高效的知识组织模型, 可以有效地对材料领域知识进行表示、组织和推理, 从而提升材料机器学习算法的智能水平. 研究了基于自然语言处理技术的材料领域知识自动获取方法, 提出了基于双向门控循环单元-图神经网络-条件随机场(bidirectional-gated recurrent unit-graph neural network-conditional random field, Bi-GRU-GNN-CRF) 的材料实体关系联合抽取方法, 以及基于改进 TextRank 算法的材料工艺知识抽取方法, 实现了从专利、论文等材料文献中自动获取材料实体、关系、工艺流程等材料领域知识. 实验结果表明, 所提出的材料知识获取方法具有较好的精度和召回率, 能够有效提升材料知识图谱的知识覆盖度. 基于该方法构建的材料领域知识图谱的知识覆盖率达到了80%, 能够为材料智能研发提供更加全面的知识支撑. 同时, 构建了非调制特殊钢、铝基复合材料、热障陶瓷涂层材料 3 个材料领域知识图谱, 并进行了应用探索, 进一步验证了知识图谱为材料研发提供知识支撑的可能性.     

ML-IDSS的控制策略及其在炮兵决策中的应用

机器学习是与人工智能同时起步并起着核心作用的技术,是在策略策略一级上对智能决策系统(IDSS)的研究。本文介绍了基于机器学习的智能决策系统(ML-IDSS)在控制策略上的概念以及在炮兵决策活动中的应用概述。     

在多媒体网络环境下实施发现学习

发现学习要求学生在教师的启发引导下按自己观察事物的特殊方式去表现学科知识的结构，借助于教师或教师提供的其他材料去发现事物。多媒体技术和网络技术用于发现式学习，符合人的认知发展规律，便于学生借助现代技术的优势，充分挖掘自身的认知潜力，加快知识的掌握速度，促使其智力发展。     

应用粗集理论的数据库知识发现

要从数据量庞大的大型数据库中发现知识，就不得不考虑学习算法的效率。将粗集理论应用到数据挖掘中，实现了从数据库中自动抽取与给定的学习任务相关的属性，能有效地发现简练、贴切的知识，并给出了这一应用的理论基础和实现算法。     

分层逐步求精的知识发现KDD模型结构及其应用

知识发现（ＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙｉｎＤａｔａｂａｓｅ）作为人工智能、机器学习、模式识别、统计学、数据库和知识库、数据可视化等众多学科相互交叉融合发展起来的新兴研究领域,已引起了学术界和工业界的广大关注．本文提出基于示例学习分层逐步求精的ＫＤＤ模型结构,在借鉴模式识别有关知识的基础上,有机地与领域知识相结合,应用于无约束手写数字识别ＫＤＤ系统,得到较满意的结果．     

基于知识管理的企业竞争情报探析

介绍了竞争情报与知识管理的含义,分析了竞争情报与知识管理的良性互动关系,探讨了如何借鉴知识管理来提高企业的竞争情报水平。     

归纳逻辑视野下的数据挖掘研究综述

对归纳逻辑思想在数据挖掘中的应用研究进行了综述。国外的研究主要集中在人工智能方面,重点是高阶归纳逻辑研究,通过多态归纳逻辑、机器学习等方面发展了归纳逻辑理论。国内的研究集中在知识发现方面,例如通过研究关联规则等探讨知识发现的内在机理。相对来说,国外的发展更偏重于应用领域,而国内也在不断扩展归纳逻辑的理论应用,但在数据挖掘领域研究仍然偏少。     

智能学习系统的研究

文中对如何在学习中运用人工智能、知识库的表示及搜索技术进行了一些研究,依据认知领域知识库模型及解释策略设计了一个智能学习系统验证以上结果。     

网站用户偏好度的数据挖掘模型

数据挖掘和数据库知识发现是当前国际科技界的一个研究热点。这是一个介于统计学、模式识别、人工智能、机器学习、数据库技术以及高性能并行计算等领域的交叉新兴学科,具有极为广泛的应用前景。在基于统计学观点的基础上讨论了网站用户偏好度的数据挖掘模型,设计了一个网站用户信息浏览偏好度的数据挖掘模型。     

体育专业学生的智力测量与分析——运动技能与文化知识学习之间智力差异的探讨

以韦氏成人智力量表(WAIS)为测试工具,对具有不同学习特征和运动特征的体育专业学生进行智力测试。结果表明,学习运动技术与学习文化知识所需要的智力因素具有一定的差异,这为针对和有效地培养训练体育专业学生的智力品质提供了科学依据。     

专家系统的学习功能研究

本文对专家系统的学习问题进行了一些探讨,并用LISP语言实现了一个具有一定学习能力的专家系统。该系统除了具有推理判断功能外,还具有教授示例学习功能和自动扩展知识库、整理知识库等功能。本文以动物识别规则库为例介绍了专家系统的学习功能的实现方法。若配以不同的规则库,则本系统的程序可以适用于不同的产生式专家系统。本系统一经建立,以后就根据使用中人机对话的不同,各个专家系统自行发展和扩充,提高智能水平。本系统是用LISP语言编写,在PDP11/23+机上实现的。     

一种基于用户过程的知识发现建模方法

从开发真正实用的知识发现（KDD）集成系统的目的出发,指出对用户知识发现活动的全面支持是KDD系统成功的关键．通过对知识发现过程的系统分析,建立起面向用户的过程模型．实践证明,对用户工作的良好理解对于开发新型KDD集成系统具有重要的指导意义．