人工智能研究的前沿領(lǐng)域
hjgzzx 發(fā)表于 - 2007-10-15 8:49:00
一、智能代理
?。?SPAN lang=EN-US>1）理性主體的認(rèn)知模型和多主體的協(xié)調(diào)策略；
?。?）面向主體的軟件工程方法；
（3）主體技術(shù)實(shí)用化研究方面。
該方向主要應(yīng)用領(lǐng)域包括：電子商務(wù)，數(shù)字圖書(shū)館，移動(dòng)計(jì)算，群體智能決策支持系統(tǒng)以及CSCW。
二、機(jī)器學(xué)習(xí)
主要研究?jī)?nèi)容包括：
?。?SPAN lang=EN-US>1）學(xué)習(xí)算法: 歸納學(xué)習(xí)、范例學(xué)習(xí)、貝葉斯網(wǎng)路、粗糙集、模糊集、支持向量機(jī)、關(guān)聯(lián)規(guī)則、遺傳算法、解釋學(xué)習(xí)；
（2）開(kāi)展感知學(xué)習(xí)、主動(dòng)學(xué)習(xí)和內(nèi)省學(xué)習(xí)等研究；
?。?）多策略通用數(shù)據(jù)挖掘工具M(jìn)SMiner。
三、知識(shí)網(wǎng)格(knowledge grid)
知識(shí)網(wǎng)格是在異構(gòu)的、動(dòng)態(tài)的虛擬組織環(huán)境下，提供有效的知識(shí)服務(wù)和共享，協(xié)作解決用戶需要解決的問(wèn)題，滿足用戶的需求。
主要研究?jī)?nèi)容包括：
?。?SPAN lang=EN-US>1）知識(shí)模型。知識(shí)模型將描述系統(tǒng)的知識(shí)和推理需求，包括領(lǐng)域知識(shí)、推理知識(shí)和任務(wù)知識(shí)。
（2）通信模型。通信模型將描述系統(tǒng)之間或系統(tǒng)與用戶之間的需求和接口。
?。?）知識(shí)獲取。研究適合高維、海量、異構(gòu)、不完全、半結(jié)構(gòu)化數(shù)據(jù)挖掘的有效方法和算法。
?。?）知識(shí)組織。研究通過(guò)概念語(yǔ)義空間進(jìn)行知識(shí)組織，以期獲得快速檢索和高的查準(zhǔn)率。
?。?）服務(wù)管理。面向用戶服務(wù)的模式和協(xié)議。
四、自主計(jì)算(autonomic computing)
主要研究?jī)?nèi)容包括：
（1）自配置。使PC可以在無(wú)人參與的情況下自動(dòng)安裝應(yīng)用程序，可用于包括IBM或其他品牌PC的混合環(huán)境；系統(tǒng)移植助理則通過(guò)保存用戶的設(shè)置，使用戶特殊的數(shù)據(jù)、應(yīng)用以及個(gè)人設(shè)置從舊系統(tǒng)向新系統(tǒng)轉(zhuǎn)移時(shí)更容易。
?。?）自恢復(fù)。它能使PC用戶快速、輕松地實(shí)現(xiàn)文件數(shù)據(jù)乃至應(yīng)用程序和操作系統(tǒng)本身的恢復(fù)。
（3）自優(yōu)化。軟件可以讓用戶輕易地在多種有線或無(wú)線的網(wǎng)絡(luò)中切換，而不必操心網(wǎng)絡(luò)連接時(shí)的設(shè)置變更過(guò)程。
?。?）自保護(hù)。利用系統(tǒng)集成的安全芯片和客戶安全軟件，提供了同時(shí)基于軟硬件的保護(hù)措施。
五、認(rèn)知信息學(xué)(cognitive informatics)
1.神經(jīng)計(jì)算
側(cè)重研究神經(jīng)網(wǎng)絡(luò)變換、神經(jīng)場(chǎng)計(jì)算理論、信念神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)理論、基于前饋動(dòng)力學(xué)神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶模型、基于遺傳算法的神經(jīng)網(wǎng)絡(luò)算法、神經(jīng)近似邏輯、思維模型等。取得的研究成果如下。
（3）神經(jīng)場(chǎng)計(jì)算的理論框架， 用平坦流形上單形、 復(fù)形的概念和理論來(lái)作為神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的表示和編碼機(jī)理, 通過(guò)復(fù)形結(jié)構(gòu)的邊緣鏈結(jié)構(gòu)分解, 形成了對(duì)于神經(jīng)網(wǎng)絡(luò)層次化、功能模塊化的組織結(jié)構(gòu)、 定位機(jī)理的認(rèn)識(shí)。
?。?）在非線性空間和非歐氏空間中基于整體結(jié)構(gòu)逼近的學(xué)習(xí)理論框架, 在此基礎(chǔ)上分別提出了對(duì)偶校正學(xué)習(xí)算法（DCL）和基于拓?fù)浣Y(jié)構(gòu)逼近校正學(xué)習(xí)算法（TAC）。