AIS在计算机安全领域的应用与展望

人工免疫系统AIS（artificial immune system）作为新型的计算智能系统，在计算机安全领域得到了广泛应用。从生物免疫机制入手，归纳和分析了目前人工免疫系统在计算机安全领域的应用；根据不同的应用类别，介绍了AIS在安全领域的研究热点；分析了常用免疫算法应用于安全领域具有的主要优点和存在的不足；展望了AIS在该领域的研究重点和发展趋势。     

基于ANN和FUZZY的装载机故障诊断模型

提出了一种基于神经网络和模糊理论的层次诊断模型、针对装载机的特点建立的模糊系统可自动生成和调整隶属度函数，构造了一种平行的神经子网络，网络训练的速度和诊断准确率有明显提高．模型缩小了知识库，减少了计算量．本模型具有比较强的除噪能力，能将对故障信息敏感而对噪声不敏感的信息提取出来．经仿真实验证明，识别效果良好，有效减少了误判和漏判．     

GMAW 温度场计算及其焊接质量的特征建模

根据传热学、流体力学、物理冶金等理论，在熔化极气体保护焊(GMAW)的三维非稳态熔池的数学模型基础上建立了有限元模型，并使用通用有限元软件ANSYS对熔池温度场进行了计算．通过熔宽和熔深的测量值与ANSYS计算值进行比较，误差均控制在8％以内，表明使用ANSYS来计算GMAW温度场是可靠和可行的．结合智能诊断的基本理论，还建立了GMAW焊接质量的人工神经网络预测模型，并且采用软件MATLAB6．1对模型进行计算．结果表明，模型与实际过程符合较好，对于非线性的焊接过程，神经网络的适应性较强．     

人工神经网络技术在矿区土地复垦中的应用

针对中国土地复垦起步晚，新技术与新理论应用较少的问题，研究利用人工神经网络来辅助土地复垦的决策。介绍了利用自组织映射神经网络的自动分类功能对进行矿区土地复垦条件分类，为因地制宜地采取复垦措施提供依据。然后，基于BP神经网络，选取评价因子，通过对已有经验的学习，对复垦土地适宜性进行评价，并与传统的方法相比较，研究结果表明，利用人工神经网络辅助矿区土地复垦决策是可行的。     

人工智能科学管理:智能手机领域的人工智能专利布局

人工智能技术与智能手机的融合,促进了智能手机领域的人工智能专利研发进程,加剧了智能手机硬件厂商、通讯运营商、软件开发者等主体的竞争局面。为促成智能手机领域在"人工智能+"时代形成良性竞争态势,竞争参与者应当寻求"以手机硬件与软件协调配合的人工智能专利布局模式",形成共享人工智能数据的开元平台,在人工智能手机元件、增强现实与虚拟现实技术、物联网基础器件等领域进行延伸性专利布局,从而使智能手机领域的人工智能应用方略为智能经济的发展形成示范效应。     

基于人工鱼群算法优化神经网络的WSN数据融合

无线传感网(wireless sensor network, WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network, BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation, AFSABP)神经网络数据融合。仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差。     

人工水下沙坝对中海滩浴场水动力影响

基于Delft3D软件建立了北戴河中海滩浴场海域的二维及三维潮流和波浪耦合数学模型,并用实测潮流和波浪资料进行模型验证.利用验证后的模型模拟人工水下沙坝引起的水动力环境变化.结果表明:由于工程海域附近的潮流作用较弱,因此潮流影响仅体现在沙坝周围;4座人工水下沙坝具有一定的消浪作用,并且消浪作用随入射波高的增加而增强;总体上看,人工水下沙坝的建造使浴场附近的水动力作用减弱,水动力环境朝着有助于海滩保护的方向发展.     

基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法

铁磁性双层套管长期服役于恶劣的工作环境,极易出现腐蚀缺陷,定期为服役中的双层套管进行在线检测十分必要,而对管壁腐蚀缺陷位置的分类识别是管道定量检测与维修的前提和基础,实时准确的套管腐蚀缺陷分类识别能力是决定管道在线检测效率的重要因素。针对这一情况,将脉冲远场涡流和脉冲涡流技术相结合,提出了基于堆叠自编码器神经网络的分类方法。通过仿真和实验选取合适特征量作为输入层,实现了内管外壁腐蚀、外管内壁腐蚀和外管外壁腐蚀的分类,实验整体预判精度可达97.5%,结果表明该方法可对双层套管腐蚀缺陷缺陷实施高效、高精度分类识别。     

贝叶斯预测蜂群算法在无线传感器网络优化中的应用

针对无线传感器网络(WSN,wireless sensor network)节点分布不合理,存在较多的监测盲区等不足,提出了利用贝叶斯预测人工蜂群算法(BPABC,Bayesian predictive artificial bee colony algorithm)制定节点分布方案。BPABC算法借鉴贝叶斯预测算法的思想对蜂群算法中各蜜源存在最优解的概率进行预测,并以此为依据指导跟随蜂寻优工作。采用BPABC算法对WSN中的节点分布进行优化,与人工蜂群算法、全局人工蜂群算法制定的优化方案进行比较。结果表明,BPABC在平均覆盖率、最差覆盖率等方面均优于其他两种算法,并且BPABC算法在迭代收敛速度方面也有明显的优势。为了进一步验证改进算法的实用性,采用BPABC制定不同监测区域的WSN节点分布方案。WSN的覆盖率均在97%左右,并且标准差不超过0.005%。由此可见,基于BPABC的WSN节点分布优化方案具有较高的覆盖率、良好的适应性和稳定性。     

人工智能政策解析及建议

 人工智能已成为推动新一轮科技革命和产业变革的驱动力,世界发达国家纷纷把发展人工智能提升至国家战略高度,争相出台相关政策。通过解析美国、英国、法国、德国、欧盟、日本和中国的人工智能政策,借鉴发达国家的人工智能政策和相关措施,提出了发展中国人工智能的政策建议。