工神經(jīng)網(wǎng)絡(luò):是當(dāng)今智能科技中的基礎(chǔ)技術(shù)，它的連接機(jī)制與人工智能的符號(hào)推理機(jī)制并列，成為智能科技的兩大陣營(yíng)。它模擬人腦的解剖生理學(xué)特征，用許多并行的簡(jiǎn)單神經(jīng)元，以一定的拓?fù)浣Y(jié)構(gòu)連結(jié)成網(wǎng)，既接受外界信息，又相互刺激，更擅長(zhǎng)于分布存儲(chǔ)，聯(lián)想記憶，反饋求精，黑箱映射，權(quán)值平衡，動(dòng)態(tài)逼近，全息存錄，容錯(cuò)防失，加之以神經(jīng)元巨量互連，形成強(qiáng)大的自學(xué)習(xí)、自適應(yīng)、自組織、自診斷、自修復(fù)能力，其網(wǎng)絡(luò)節(jié)點(diǎn)間權(quán)值強(qiáng)度不斷反饋，動(dòng)態(tài)分析，與語(yǔ)言、視聽人機(jī)接口的密切配合，可自動(dòng)獲取人類專家豐富的知識(shí)與經(jīng)驗(yàn)，并模擬人腦的邏輯推理、形象思維以至靈感突現(xiàn)，恰如其分地處理各種不準(zhǔn)確、不完善、不確定的信息，推理得出正確結(jié)論。
模糊邏輯:模仿人腦的不確定性概念判斷、推理思維方式，對(duì)于模型未知或不能確定的描述系統(tǒng)，以及強(qiáng)非線性、大滯后的控制對(duì)象，應(yīng)用模糊集合和模糊規(guī)則進(jìn)行推理，表達(dá)過(guò)渡性界限或定性知識(shí)經(jīng)驗(yàn)，模擬人腦方式，實(shí)行模糊綜合判斷，推理解決常規(guī)方法難于對(duì)付的規(guī)則型模糊信息問(wèn)題。模糊邏輯善于表達(dá)界限不清晰的定性知識(shí)與經(jīng)驗(yàn)，它借助于隸屬度函數(shù)概念，區(qū)分模糊集合，處理模糊關(guān)系，模擬人腦實(shí)施規(guī)則型推理，解決因“排中律”的邏輯破缺產(chǎn)生的種種不確定問(wèn)題。
遺傳算法:是一種以“電子束搜索”特點(diǎn)抑制搜索空間的計(jì)算量爆炸的搜索方法，它能以解空間的多點(diǎn)充分搜索，運(yùn)用基因算法，反復(fù)交叉，以突變方式的操作，模擬事物內(nèi)部多樣性和對(duì)環(huán)境變化的高度適應(yīng)性，其特點(diǎn)是操作性強(qiáng)，并能同時(shí)避免陷入局部極小點(diǎn)，使問(wèn)題快速地全局收斂，是一類能將多個(gè)信息全局利用的自律分散系統(tǒng)。運(yùn)用遺傳算法(GA)等進(jìn)化方法制成的可進(jìn)化硬件(EHW)，可產(chǎn)生超出現(xiàn)有模型的技術(shù)綜合及設(shè)計(jì)者能力的新穎電路，特別是GA獨(dú)特的全局優(yōu)化性能，使其自學(xué)習(xí)、自適應(yīng)、自組織、自進(jìn)化能力獲得更充分的發(fā)揮，為在無(wú)人空間場(chǎng)所進(jìn)行自動(dòng)綜合、擴(kuò)展大規(guī)模并行處理(MPP)以及實(shí)時(shí)、靈活地配置、調(diào)用基于EPGA的函數(shù)級(jí)EHW，解決多維空間中不確定性的復(fù)雜問(wèn)題開通了航向。
專家系統(tǒng):是收集應(yīng)用人類專家的知識(shí)和經(jīng)驗(yàn)，模仿專家處理知識(shí)和解決問(wèn)題的方法，編制成計(jì)算機(jī)智能軟件系統(tǒng)，在通過(guò)人機(jī)結(jié)合不斷獲得反饋信息的情況下，實(shí)時(shí)在線地對(duì)規(guī)則、事例和模型實(shí)行獨(dú)立決策的一種問(wèn)題求解或控制系統(tǒng)。這種計(jì)算機(jī)智能系統(tǒng)具有啟發(fā)性、透明性和靈活性，在不受時(shí)間、空間和環(huán)境影響情況下，高效率、準(zhǔn)確無(wú)誤、周密全面、迅速不疲倦地完成工作，其解決問(wèn)題能力和知識(shí)的廣博性可超過(guò)人類專家，又克服了人類專家因疏忽、遺忘、緊張、疲倦等干擾因素造成的偏差和錯(cuò)誤，因而其推廣、應(yīng)用具有巨大的經(jīng)濟(jì)和社會(huì)效益。
模式識(shí)別:是模擬人腦形象思維，根據(jù)事物的特征、形象或關(guān)系，辨識(shí)、判定和處理事物的一種智能決策方法和技術(shù)，它廣泛應(yīng)用于科研生產(chǎn)中，是一種具有重大價(jià)值的技術(shù)方法.
粗糙集理論:是在離散歸一化處理其在測(cè)量中所得的數(shù)據(jù)集合，通過(guò)基于集合元素的不可分辨關(guān)系的代數(shù)運(yùn)算，利用條件與結(jié)果屬性中的大量有用特征、有效數(shù)據(jù)發(fā)現(xiàn)知識(shí)，在決策規(guī)則的初步簡(jiǎn)化計(jì)算中取得核值，然后進(jìn)一步簡(jiǎn)化規(guī)則并根據(jù)問(wèn)題要求選取最小決策算法給予實(shí)際應(yīng)用，去除大量信息中的多余屬性，降低信息空間的維數(shù)和屬性數(shù)量。它可大大簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)和樣本數(shù)量，縮短訓(xùn)練時(shí)間，是智能科技中一種具有根本意義的分析方法。這種方法是基于測(cè)量數(shù)據(jù)集而獲取知識(shí)的，故對(duì)虛擬儀器的智能化發(fā)展具有重大意義。
混沌運(yùn)動(dòng):是確定性系統(tǒng)中局限于有限相空間的高度不穩(wěn)定運(yùn)動(dòng)，是無(wú)序中的有序，它使事物在長(zhǎng)時(shí)間的行為中顯示出表面上的某種混亂?；煦绗F(xiàn)象的特征是“非周期背后隱藏的有序性”以及“對(duì)初始條件的敏感依賴性”，充分利用混沌特征，在智能信息處理中實(shí)施非線性決策和預(yù)測(cè)、非線性系統(tǒng)辨識(shí)、模式識(shí)別、圖像數(shù)據(jù)壓縮、高性能保密、多目標(biāo)搜索，以及無(wú)限豐富、精彩絕倫的計(jì)算機(jī)繪畫等種種神奇應(yīng)用。
分形理論:研究非線性系統(tǒng)產(chǎn)生的不光滑和不可微的幾何形體及其內(nèi)在結(jié)構(gòu)的比例自相似 登陸