塑性加工中的人工智能技术

对神经网络和模糊逻辑两种人工智能技术的原理及其在塑性加工生产中的应用方法进行了综述。目前在塑性加工中，神经网络较多地被作为非线性函数映射器，解决各种参量之间难于建模的复杂关系问题；而模糊逻辑则较多地应用于各种专家系统，通过对经验知识和行为进行描述与推理实现生产的优化调控。     

Hopfield型连续反馈神经网络的全局指数稳定性

研究了Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的全局指数稳定性,给出了平衡点的全局指数稳定性的充分条件,这些条件有利神经计算,同时对于Ｈｏｐｆｉｅｌｄ型连续反馈神经网络的设计和应用都很有意义。     

虚拟人技术在人机交互中的应用研究

基于虚拟人的人机交互是人与虚拟现实环境中的虚拟人进行交互的技术。虚拟人是一种具有自主智能的看上去像人,并且具有人的部分特征的智能体。首先论述了虚拟人模型的构建技术、虚拟人的行为控制方法和虚拟人表情的构建和控制方法,然后论述了虚拟人在智能人机交互中的应用,最后探讨了虚拟人心智系统模型及虚拟人技术发展前景。     

向家坝水电站混凝土浇筑VR与智能进度模拟系统设计

针对向家坝水电站大坝混凝土浇筑施工工程量大、工期长、设备多、关系复杂等特点以及提高施工管理与决策科学性和效率的现实需求出发,以虚拟现实和人工智能领域的知识工程为理论基础,开发了向家坝水电站混凝土浇筑VR与智能进度模拟系统,并应用于工程实践.介绍了该系统的需求分析与实现思路、整体结构设计、系统功能设计以及系统实现的主要技术方案等研究成果,以期为相关工作提供参考和借鉴.工程实践应用表明,本系统具有形象性、智能化、综合化等优势,对于保证向家坝水电站大坝混凝土浇筑施工具有重要的实践价值.     

锅炉燃烧系统的仿人智能控制

提出一种锅炉燃烧系统的仿人智能控制方法.该方法根据专家知识和操作人员的经验,给出了仿人智能控制器的设计方案.针对传统控制方法难以适应锅炉负荷大幅度变化的缺点,给出了基于规则的专家式控制方法,并针对风煤配比的自寻最优控制的缺点,给出了按照经验实施的固定比例风煤配比的简单实用方法.锅炉燃烧系统仿人控制方法已在生产中得到应用,应用结果表明该方案可行,提高了系统的燃烧效率,优于传统的控制方法.     

Multi-ISM联盟的网络安全系统协作模型及算法

针对现有网络入侵检测系统(NIDS)存在智能程度低、自适应能力弱、协同性差、负载不均衡等局限性,引入了免疫软件人(ISM)智能体的理论,提出了一种基于multi-ISM联盟的网络入侵检测与防御系统的分布式社区协作控制模型及其算法.该模型系统采用了部分-全局规划(PGP)策略以及multi-ISM间的协作、协调和协商机制,融合了网络协作模型与层次模型的优点,从性能上改善了当前分布式入侵检测系统(DIDS)难以适应高带宽、大流量的动态网络环境等问题.实验结果表明:该模型系统相比其他的DIDS,在检测性能和误报率等方面具有明显优势,对于服务器系统资源的占用率不是很大,同时它还能够较好地解决网络信任社区内与社区间的协同防御和预警问题.     

结构智能的调节器:符号化及示范实现

通过三种控制功能,将调节问题层层归约,并利用拓广了的调节问题归约与或图,来显式地表示出结构智能调节器的逻辑推理和数值计算的细节和过程。整套方法直观形象,避免了逻辑上的冗余性或(和)不完备性,容易理解和分析。     

一种基于遗传算法的BP神经网络算法及其应用

主要分析了神经网络和遗传算法的特点和存在的一些缺陷，研究了遗传算法和BP神经网络学习算法相结合的相关技术，设计并实现了一个基于遗传算法的BP神经网络算法BP—GA，已应用于肺癌早期细胞病理诊断系统中。实验结果表明，该算法具有较强的收敛性和鲁棒性，其应用效果很好。     

人工智能中的机器学习研究及其应用

机器学习是人工智能研究的中心问题。本文首先介绍了机器学习的背景——人工智能的研究和发展，机器学习的概念。提出了机器学习的研究目标和方法，建立并讨论了一个简单的学习模型。最后指出机器学习的发展必须依靠思维科学的发展，提出了发展机器学习的趋势。     

我看人工智能

人工智能是人类社会的伟大发明,随着信息技术的不断进步和发展,它引起了广泛关注并成为当前科学界研究的热点。从人工智能的概念出发,介绍了人工智能发展历程中的三起两落,指出了人工智能目前正处于发展时期,有很多亟待解决的科学问题;接着阐述了人工智能1.0和2.0 2个时代的特征,并指出2个时代的独立性与互补性,只有将2个时代的技术进行有效融合,才能高效、准确地解决实际问题;阐述了人工智能能做什么以及如何做的问题,指出了人工智能的主体作用是助力传统产业发展和促进工业经济快速转型;从人工智能的角度分析了数学教育,着重强调了数学是人工智能的灵魂,同时人工智能的发展有望促进数学教育。但目前还未真正将效果体现出来,人工智能作为新的技术在教育上的应用还需深入到学科中去,积极而慎重地进行实验和探索。