人工智能技術(shù)的研究背景精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能技術(shù)的研究背景主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能技術(shù)的研究背景范文

【關(guān)鍵詞】大數(shù)據(jù)；人工智能；計算機網(wǎng)絡(luò)技術(shù)

如今計算機領(lǐng)域掀起了人工智能的浪潮，許多行業(yè)和技術(shù)正向著智能化方向轉(zhuǎn)型，人工智能技術(shù)也因此得到了迅猛的發(fā)展。同時大數(shù)據(jù)時代的到來也給計算機網(wǎng)絡(luò)技術(shù)提出了更高的挑戰(zhàn)，數(shù)據(jù)信息的爆炸式猛增，以及網(wǎng)絡(luò)環(huán)境的日益復(fù)雜，都加快了計算機網(wǎng)絡(luò)技術(shù)的升級轉(zhuǎn)型。基于此深入研究人工智能技術(shù)在計算機網(wǎng)絡(luò)中的應(yīng)用對提高網(wǎng)絡(luò)環(huán)境的安全性以及推動計算機網(wǎng)絡(luò)技術(shù)的進步具有重要意義。

一、大數(shù)據(jù)時代和人工智能

1、大數(shù)據(jù)時代。所謂大數(shù)據(jù)是數(shù)據(jù)的種類和數(shù)量眾多的數(shù)據(jù)集，在大數(shù)據(jù)中，數(shù)據(jù)種類繁多，數(shù)量龐大，比較傳統(tǒng)的數(shù)據(jù)庫數(shù)據(jù)的真實性更高，數(shù)據(jù)的處理速度更快。在大數(shù)據(jù)時代，互聯(lián)網(wǎng)依靠數(shù)據(jù)信息的支撐，對于如何從眾多的信息中快速獲取有價值的數(shù)據(jù)提出了更高的要求。大數(shù)據(jù)給我們帶來了新的機遇和挑戰(zhàn)，深入研究大數(shù)據(jù)技術(shù)，合理地在各個領(lǐng)域運用，將會提高數(shù)據(jù)的應(yīng)用價值，給我們的生活提供更大的便利。

2、人工智能的特點及優(yōu)勢。相比于傳統(tǒng)模式，人工智能技術(shù)在信息處理上速度更快，準確率更高。在大數(shù)據(jù)時代這種優(yōu)勢會更加明顯；人工智能具有成本消耗低的特點，人工智能技術(shù)基于專家系統(tǒng)創(chuàng)建知識庫和推理機，有效降低資源消耗的同時，還提升了效率；具有超強的自我學(xué)習(xí)能力，從基礎(chǔ)的機器學(xué)習(xí)到尖端的深度學(xué)習(xí)，從簡單的模式到復(fù)雜的人工神經(jīng)網(wǎng)絡(luò)，人工智能都有著優(yōu)異的表現(xiàn)，而且其發(fā)展速度是迅猛的，在某些領(lǐng)域甚至已經(jīng)超越了人類。

二、人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用分析

1、安全管理中的數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘技術(shù)是一種深層次的數(shù)據(jù)分析方法，它按照給定的任務(wù)，對大量的數(shù)據(jù)進行挖掘和分析，揭示隱藏的規(guī)律，通過對網(wǎng)絡(luò)連接等技術(shù)的準確描述，完成同主機的對話，進而找到更加有效的方法。目前基于數(shù)據(jù)挖掘的技術(shù)越來越成熟，在數(shù)據(jù)化運營中的應(yīng)用也越來越廣泛。數(shù)據(jù)挖掘技術(shù)極大的促進了人工智能的發(fā)展，使其在各個領(lǐng)域得以實現(xiàn)。人工智能技術(shù)結(jié)合數(shù)據(jù)挖掘技術(shù)可有效排除計算機中的安全漏洞，提高系統(tǒng)安全性。

2、保障網(wǎng)絡(luò)安全。如今計算機網(wǎng)絡(luò)環(huán)境日益復(fù)雜化，計算機網(wǎng)絡(luò)安全化管理的重要性是不言而喻的。人工智能技術(shù)的迅速發(fā)展，對計算機網(wǎng)絡(luò)安全的防護起著重要的作用，其中智能防火墻技術(shù)就是一個典型的例子。智能防火墻能夠自主的對網(wǎng)絡(luò)上的信息進行篩選，有選擇的為用戶提供信息，能夠攔截有害信息，防止病毒和垃圾信息進入計算機系統(tǒng)。在對垃圾信息進行處理時，人工智能的入侵檢測技術(shù)可以提前對這些信息進行預(yù)覽，使問題盡快的被發(fā)現(xiàn)處理。在計算機連接互聯(lián)網(wǎng)時，人工智能技術(shù)會對數(shù)據(jù)進行分析處理，判斷計算機網(wǎng)絡(luò)的安全狀態(tài)，并反饋給用戶。這些檢測機制對于提高計算機網(wǎng)絡(luò)的可靠性和安全性起著重要的作用。

3、人工智能管理。所說的人工智能系統(tǒng)是由軟件實現(xiàn)的，它以知識庫為基礎(chǔ)，通過對知識庫中數(shù)據(jù)的分析處理完成相應(yīng)的任務(wù)，同時還能保證及時性。人工智能管理系統(tǒng)在能夠提高工作效率的同時還可以針對不同用戶提供個性化服務(wù)，在一段工作結(jié)束后，管理系統(tǒng)會對信息進行分析處理，有針對性的為用戶提供服務(wù)。在信息查找方面，人工智能管理技術(shù)提供了自定義設(shè)置功能，使查找數(shù)據(jù)和信息更加人性化。在日常實際的使用中，人工智能管理系統(tǒng)這些智能化和人性化的特點，對用戶工作效率的提高和時間的節(jié)省有著非常重要的意義。

4、網(wǎng)絡(luò)管理和系統(tǒng)評價。在網(wǎng)絡(luò)管理方面，由于網(wǎng)絡(luò)環(huán)境時時刻刻都處在動態(tài)變化之中，網(wǎng)絡(luò)環(huán)境的復(fù)雜性大大增加了網(wǎng)絡(luò)管理工作的難度。而人工智能技術(shù)能有效解決這一問題，基于人工智能技術(shù)的網(wǎng)絡(luò)管理將更加智能化，通過網(wǎng)絡(luò)內(nèi)部的專家知識庫和問題求解技術(shù)，能夠建立起一個有著綜合性能的管理系統(tǒng)。這種智能化的管理技術(shù)不僅可以將網(wǎng)絡(luò)管理人員從繁重的工作中解放出來同時還能有效提高計算機網(wǎng)絡(luò)管理的質(zhì)量和效率。人工智能技術(shù)中另外一個重要組成部分就是專家系統(tǒng)。所謂專家系統(tǒng)其實是知識庫和推理機的綜合，利用專家系統(tǒng)技術(shù)能夠模擬由領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問題，提供仿真該領(lǐng)域?qū)＜业膸椭椭笇?dǎo)，讓用戶花更少的時間和費用以更便捷的方式解決專業(yè)性問題。將專家系統(tǒng)合理的運用于網(wǎng)絡(luò)技術(shù)中，能有效提高網(wǎng)絡(luò)管理效率。

第2篇：人工智能技術(shù)的研究背景范文

關(guān)鍵詞 人工智能；電氣控制；自動化系統(tǒng)

中圖分類號TM92 文獻標識碼A 文章編號 1674-6708（2012）72-0083-02

電氣自動化是一門以電氣系統(tǒng)的運行、控制、研發(fā)為對象的實踐應(yīng)用性學(xué)科。人類社會發(fā)展到當代，解放人類的雙手，最大程度實現(xiàn)機械運行與控制的自動化。全面應(yīng)用人工智能技術(shù)的最新成就，充分推動電氣設(shè)備自動化的進一步深化發(fā)展，提高其系統(tǒng)運行趨于智能化的同時，人工智能技術(shù)的應(yīng)用還利于強化系統(tǒng)工作的安全性、穩(wěn)定性，有利于企業(yè)生產(chǎn)效率的提升以及市場競爭力的增強。

1 人工智能技術(shù)研究與應(yīng)用的現(xiàn)實情況

近年來，大量科研單位以及專業(yè)院校都在人工智能技術(shù)的創(chuàng)新與研究以及其電氣設(shè)備控制系統(tǒng)中的應(yīng)用上開展了大量工作，人工智能用于電氣設(shè)備系統(tǒng)的結(jié)構(gòu)設(shè)計、故障診斷、預(yù)警、監(jiān)控以及自動保護等方面都達到了一定的水平。

以結(jié)構(gòu)設(shè)計方面為例，因電氣設(shè)備系統(tǒng)結(jié)構(gòu)設(shè)計復(fù)雜性高，涉及到諸如電路、電磁、電機電器應(yīng)用等等大量的學(xué)科專業(yè)知識，更要求工作人員有豐富的實踐經(jīng)驗。目前，在數(shù)字技術(shù)空前創(chuàng)新發(fā)展的背景下，電氣產(chǎn)品及其控制系統(tǒng)的設(shè)計工作業(yè)已轉(zhuǎn)向了CAD，使得新產(chǎn)品新系統(tǒng)的構(gòu)建周期顯著縮短。在此基礎(chǔ)上加入人工智能技術(shù)，系統(tǒng)設(shè)計的質(zhì)量以及速度都可得到全面提升。

此外，人工智能技術(shù)在進行電氣設(shè)備系統(tǒng)故障控制與預(yù)警方面也有非常獨特的優(yōu)勢。電氣控制系統(tǒng)出現(xiàn)故障之前征兆呈非線性，因此人工智能技術(shù)中的模糊邏輯、神經(jīng)網(wǎng)絡(luò)等等部分可以充分發(fā)揮其優(yōu)勢。

最后是人工智能技術(shù)在電氣自動化控制系統(tǒng)中的運用，主要的技術(shù)方法有、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)以及模糊控制三種，其中以最后一種控制技術(shù)最為簡便，可應(yīng)用性最強。人工智能技術(shù)在電氣自動化控制系統(tǒng)中以AI控制器為主，其可以視為非線性函數(shù)近似器。與一般的函數(shù)估計設(shè)備相比較，AI控制系統(tǒng)在進行設(shè)計時不一定必須工作對象的具體模型，這就避免在設(shè)計時需要考慮控制對象模型本身的參數(shù)變等不確定性。此外，其性能提升的空間比較大，而且易于調(diào)節(jié)，一致性強，對于新的數(shù)據(jù)信息適應(yīng)性良好；配置成本低而且更新簡便、抗干擾能力強。

2 電氣自動化控制系統(tǒng)中人工智能技術(shù)的具體應(yīng)用

電氣自動化控制系統(tǒng)當中，人工智能技術(shù)的應(yīng)用有兩種，一是直流傳動控制；另一種是效流傳動控制。

在直流傳動控制中，人工智能技術(shù)的應(yīng)用有模糊邏輯控制技術(shù)為主，有Mamdani與兩種可用于調(diào)速控制系統(tǒng)。它們均具備規(guī)則庫部分，規(guī)則庫實質(zhì)上是一個if-them的模糊規(guī)則集合。以后者為例，它最主要的規(guī)則就是“if x=A,且y=B,則z=f（x，y）z則z”。其中的都是模糊集。模糊控制設(shè)備以推理機為核心部分，它負責模仿人腦的智能化決策以及模糊控制命令的推理。除此以外還有模糊化部分、知識庫部分以及反模糊化部分，第一個部分是通過多種不同形式的函數(shù)對所輸入的變量做出測量，并將其量化、模糊化；第二部分就是由數(shù)據(jù)規(guī)則以及語言控制庫構(gòu)成所構(gòu)成的知識庫，本庫設(shè)計時就是應(yīng)用專家的知識與經(jīng)驗對電氣設(shè)備進行控制，在建立設(shè)備模型時，模型操作設(shè)備依據(jù)人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的推理機制進行模型建設(shè)；最后是以模型參數(shù)量化與中間平均技術(shù)等模糊化技術(shù)的應(yīng)用。

除了模糊邏輯控制技術(shù)以外，還有人工神經(jīng)網(wǎng)絡(luò)控制技術(shù)。這種技術(shù)主要用于不同模式的識別以及各種信號的處理，可以在電氣傳動控制工作中發(fā)揮有效作用。這種技術(shù)以并行結(jié)構(gòu)為主，適用范圍比較廣，可以大大提升條件監(jiān)控、診斷系統(tǒng)的準確性；該控制技術(shù)最常用的學(xué)習(xí)策略是誤差反向傳播，也就是說在網(wǎng)絡(luò)具備充足的隱藏層、結(jié)點和恰當?shù)募詈瘮?shù)的情況下，多層人工神經(jīng)網(wǎng)絡(luò)只要利用反向傳播就可以計算出對應(yīng)的非線性函數(shù)近似參數(shù)，大大提高網(wǎng)絡(luò)運行速度。

在交流傳動控制中，人工智能技術(shù)的應(yīng)用也同樣有模糊邏輯與神經(jīng)網(wǎng)絡(luò)兩種具體運用。

就模糊邏輯而言，到目前為止均以模糊控制器直接代替原有的普通速度控制設(shè)備為主，不過西方某大學(xué)研發(fā)了一種高性能的帶有多個模糊控制器的全數(shù)字化傳動控制體系，該體系所帶有的模糊控制器即可以用來代替普通的速度控制設(shè)備，又可以用于執(zhí)行它控制任務(wù)。

就人工神經(jīng)網(wǎng)絡(luò)控制技術(shù)而言，實踐研究中以其對交流電氣設(shè)備及其驅(qū)動環(huán)境參數(shù)監(jiān)測及診斷為主。人工神經(jīng)網(wǎng)絡(luò)用作步進電動機控制時，可采用一般的反向轉(zhuǎn)波計算方法，就是通過實驗數(shù)據(jù)的應(yīng)用，通過電機負載轉(zhuǎn)矩以及電機的初始速度最終確定智能監(jiān)控系統(tǒng)可監(jiān)測的最大速度增加值。這種設(shè)計方案的實現(xiàn)，要求神經(jīng)網(wǎng)絡(luò)具備識別三維圖形映射的能力，以便達到比常規(guī)梯形控制計算模式強的控制成效。在此模式下，人工神經(jīng)網(wǎng)絡(luò)可以大大縮減電氣自動化系統(tǒng)定位所需要的時間，并且強化對于負載轉(zhuǎn)矩以及非初始速度變化范圍的控制工作。人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以多層前饋型為主，具體可分為兩個系統(tǒng)：系統(tǒng)一是在辨識電氣動態(tài)參數(shù)的基礎(chǔ)上對通過定子的電流進行自動調(diào)節(jié)與控制，系統(tǒng)二是在辨識機電系統(tǒng)的運行參數(shù)基礎(chǔ)上對轉(zhuǎn)子速度進行自動調(diào)節(jié)與控制。

3 結(jié)論

電氣自動化控制系統(tǒng)作為提高電氣設(shè)備的生產(chǎn)能力、流通交換速度的重要環(huán)節(jié)，脫離了人力操作控制，最大程度實現(xiàn)智能化，不僅可以為企業(yè)節(jié)約人力成本，而且有利于生產(chǎn)效率的增加。人工智能技術(shù)是專門研究人類智能模擬的科學(xué)，其應(yīng)用范圍以問題求解、邏輯推理、語言理解、以及專業(yè)知識數(shù)據(jù)庫和自動性強的機器人等多個方面，最大的特征就是自動化。即以推動機械向人類行為意識能力靠攏，從這個意義上來說，人工智能技術(shù)在電氣自動化控制系統(tǒng)中的應(yīng)用前景非常廣闊，在數(shù)字控制理念的指導(dǎo)下，傳統(tǒng)上使用的控制器設(shè)計技術(shù)將逐漸會為控制效果更好的人工智能軟件技術(shù)所取代，因此有關(guān)單位與部門須加強這方面的技術(shù)研究力度。

參考文獻

第3篇：人工智能技術(shù)的研究背景范文

關(guān)鍵詞：人工智能 技術(shù) 機器學(xué)習(xí)

中圖分類號：TP181 文獻標識碼：A 文章編號：1007-9416（2016）11-0089-01人工智能技術(shù)，是一門誕生于在二十世紀中期的技術(shù)，對于社會和經(jīng)濟發(fā)展都有著長遠的意義。人工智能這一科學(xué)，包含的學(xué)科領(lǐng)域比較廣，主要包含計算機科學(xué)、信息科學(xué)、數(shù)學(xué)科學(xué)、工程技術(shù)以及哲學(xué)心理學(xué)等知識體系，其研究的核心問題主要在于能夠令及其具備基本的學(xué)習(xí)、交流、輸入和輸出的能力，最終目的是實現(xiàn)機器和人類相似的認識世界和獨立思考的能力，人工令機器具備更加“聰明”的屬性，這也是能夠令計算機具有智能性能的基本方式。

1 機器學(xué)習(xí)概述

1.1 機器學(xué)習(xí)定義

機器學(xué)習(xí)，主要就是指通過系統(tǒng)或者知識的識別，對于機械的學(xué)習(xí)能力進行提升，使其能夠獲得新技能或者新知識。與人類的學(xué)習(xí)方式類似，如果不進行系統(tǒng)的學(xué)習(xí)或者沒能掌握合適的學(xué)習(xí)方式，那么機器學(xué)習(xí)的效果也會大打折扣，難以進行新知識、新作品的創(chuàng)造，機器學(xué)習(xí)也是相同的道理，只有通過學(xué)習(xí)掌握了分析問題、解決問題的方式，才能夠獲取創(chuàng)新能力。機器學(xué)習(xí)在人工智能發(fā)展領(lǐng)域是一個熱門的研究領(lǐng)域，其研究的目的簡而言之就是推動機器能夠像人類一樣不斷獲取新的知識，獲得分析問題和解決問題的能力，建立起相關(guān)的知識體系，并且將這些能力運用在具體的實踐問題解決中[1]。

1.2 機器學(xué)習(xí)研究目的

機器學(xué)習(xí)研究的主要研究目標有三個，首先，需要進行人類學(xué)習(xí)整體過程的模擬，在此基礎(chǔ)上進行學(xué)習(xí)認知模型的建立，目標的實現(xiàn)對于科學(xué)知識的認知和發(fā)展存在著很強的相關(guān)性；其次，需要推動機器進行相關(guān)理論的學(xué)習(xí)與研究，探索多種學(xué)習(xí)方法，并且根據(jù)機器本身的特質(zhì)進行特定的程序設(shè)計，體會其相似和區(qū)別性；最后，設(shè)定關(guān)于機器學(xué)習(xí)的相關(guān)程序，主要研究內(nèi)容就是獲取知識的工具以及相關(guān)系統(tǒng)，在機器發(fā)函系統(tǒng)建立的過程中建立起相關(guān)數(shù)據(jù)庫，進行知識和經(jīng)驗的累積。不斷進行自身知識的累計，提升能力掌握的水平，提升機器智能化的能力，令機器能夠接近人類的學(xué)習(xí)能力。

1.3 機器學(xué)習(xí)方式方法

機器學(xué)習(xí)方式方法主要就是基于人類的學(xué)習(xí)方式，需要將機器和人類學(xué)習(xí)的方式進行綜合學(xué)習(xí)，掌握更科學(xué)的學(xué)習(xí)方式方法，在人類思考方式和學(xué)習(xí)方式的基礎(chǔ)上進行機械性能的擴展，能夠?qū)崿F(xiàn)快速、大內(nèi)存、高復(fù)制性的工作，得到適合的機器學(xué)習(xí)方式方法。當前，機械學(xué)習(xí)的具體學(xué)習(xí)方式方法有兩種思路，一種是演繹學(xué)習(xí)系統(tǒng)，從一般到特殊的學(xué)習(xí)方式方法，能夠通過公理的推斷得出相應(yīng)的結(jié)論和目的；另一種屬于歸納學(xué)習(xí)系統(tǒng)，主要思路就與演繹方法相反，特殊到一般的思維方式，其主要包含傳統(tǒng)歸納和創(chuàng)新歸納兩種模式，也可以包含完全和不完全歸納這兩種模式，其中傳統(tǒng)的歸納關(guān)系是根據(jù)事實思考方式，歸納出其中的共性，得到科學(xué)的機器學(xué)習(xí)方式方法。

2 基于人工智能的機器學(xué)習(xí)研究

2.1 環(huán)境適應(yīng)性機器學(xué)習(xí)研究

機器與人類的很大一點不同在于，對于環(huán)境的適應(yīng)性有所不同，機器對于環(huán)境的適應(yīng)性研究也就成為人工智能技術(shù)研究的重要問題之一，環(huán)境能夠位系統(tǒng)提供的質(zhì)量高低對于機器學(xué)習(xí)的質(zhì)量有著深遠的影響，同時，機器內(nèi)部體系存放的原則往往都是通過環(huán)境適應(yīng)性的原則建立起來的，然而，外界環(huán)境通常都具有復(fù)雜性，學(xué)習(xí)過程中必須通過大量的數(shù)據(jù)進行支持，對于多余環(huán)節(jié)進行刪減，在此基礎(chǔ)上進行總結(jié)推廣，設(shè)定成為系統(tǒng)的動作指導(dǎo)一般性準則，這樣可能會導(dǎo)致機器學(xué)習(xí)過程繁雜，這對于整個系統(tǒng)長遠發(fā)展是不利的[2]。

2.2 機器知識庫的擴展延伸

機器知識庫的設(shè)置對于機器學(xué)習(xí)的發(fā)展而言也意義重大，需要保障機器知識庫種類豐富、表現(xiàn)形式多樣化，其中需要包含基本的特征向量、規(guī)則化語言以及網(wǎng)絡(luò)化關(guān)聯(lián)等等，因此在進行機器知識庫的設(shè)計中，需要做到知識庫適當?shù)臄U展延伸，實現(xiàn)提升機器學(xué)習(xí)能力的目的，主要可以從三個角度入手，首先，要求邏輯簡單、表意明確的機器表達模式，其次要求做到推理過程簡單易懂，能夠降低機械計算成本，這就要求機器學(xué)習(xí)的系統(tǒng)進行簡單的推理過程，最后，要求實現(xiàn)知識的充分擴展和眼神，人工智能技術(shù)背景下的機器系統(tǒng)的學(xué)習(xí)不僅僅要求基礎(chǔ)知識的掌握，更要求知識的表達方式以及表達效率的提升，甚至一個知識要求需要不同的表達模式，對于系統(tǒng)的構(gòu)筑要求也有所不同。

2.3 機器學(xué)習(xí)反饋評價體系

基于人工智能技術(shù)的機器學(xué)習(xí)，需要建立起相應(yīng)的反饋和評價體系，針對機器學(xué)習(xí)反饋評價體系而言，其反饋主要包含三重內(nèi)容，其一是根據(jù)簡單基礎(chǔ)的規(guī)則進行基礎(chǔ)反饋評價，其二是進行設(shè)計多個概念的復(fù)雜型評價反饋體系，最后就是設(shè)計小型的策略分析評價體系，分步根據(jù)實際任務(wù)進行機器學(xué)習(xí)反饋評價體系的建立。在此基礎(chǔ)上，應(yīng)當提升學(xué)習(xí)反饋評價機制的透明度，要求執(zhí)行的過程和結(jié)果通過簡明的方式表現(xiàn)出來，對于已有的知識庫進行合理評價，在表達模式當中采取元級表述的方式進行反饋評價，這樣的反饋評價體系有利于人工智能技術(shù)在機器發(fā)展中的應(yīng)用，擴展機器學(xué)習(xí)范疇的同時提升其執(zhí)行能力。

3 結(jié)語

綜上所述，在人工智能的背景下，進行機器學(xué)習(xí)的研究勢在必行，需要通過多種方式在研究機器學(xué)習(xí)定義、目的和方式方法的基礎(chǔ)上，對于人工智能在機器學(xué)習(xí)中的認知進行深入思考和完善，通過環(huán)境適應(yīng)性機器學(xué)習(xí)研究、機器知識庫的擴展延伸和機器學(xué)習(xí)反饋評價體系的建立這三種方式進行人工智能的機器學(xué)習(xí)發(fā)展，推動人工智能技術(shù)在機器學(xué)習(xí)領(lǐng)域的深入發(fā)展，推動社會經(jīng)濟的發(fā)展。

參考文獻

第4篇：人工智能技術(shù)的研究背景范文

關(guān)鍵詞：人工智能；Python程序設(shè)計教學(xué)；項目驅(qū)動混合教學(xué)模式

人工智能技術(shù)在教育領(lǐng)域的應(yīng)用已經(jīng)非常深入，它可呈現(xiàn)深度學(xué)習(xí)、跨學(xué)科融合、人機協(xié)同、群智開放、自主操控等諸多內(nèi)容，并在教學(xué)中引發(fā)鏈式突破、推動教學(xué)內(nèi)容的數(shù)字化、網(wǎng)絡(luò)化與智能化躍升式快速發(fā)展。所以說在教育領(lǐng)域中，人工智能如魚得水，它獲得了更大的自我技術(shù)展現(xiàn)空間，也為學(xué)生學(xué)習(xí)新知識內(nèi)容帶來諸多福音。

一、高職院校Python程序設(shè)計教學(xué)引入人工智能技術(shù)的必要性

人工智能本身離不開算法，而算法的實現(xiàn)則需要語言做支撐，像目前高職院校的Python程序編程設(shè)計教學(xué)就可引入人工智能技術(shù)，Python作為AI時代的頭牌語言其融合性教學(xué)也成為了培養(yǎng)AI人才的重要關(guān)鍵。目前國內(nèi)許多高職院校都在全面推行人工智能技術(shù)背景下的Python教學(xué)，將其作為是數(shù)據(jù)分析、網(wǎng)絡(luò)攻防的第一語言以及編程入門教學(xué)的第一語言。

換個角度講，高職院校在Python程序設(shè)計教學(xué)中引入人工智能是非常必要的，因為它關(guān)系到高職生未來的就業(yè)生存、崗位專業(yè)能力創(chuàng)新與事業(yè)發(fā)展，考慮到人工智能領(lǐng)域的知識理論性偏強，且對學(xué)生的數(shù)學(xué)基礎(chǔ)能力要求較高，整體學(xué)科學(xué)習(xí)難度較大，所以許多高職院校也在思考如何將人工智能技術(shù)內(nèi)容合理融入到Python程序設(shè)計教學(xué)體系當中，為學(xué)校相關(guān)專業(yè)領(lǐng)域拓展教育新路，培養(yǎng)對路人才[1]。

二、高職院校人工智能背景下的Python程序設(shè)計教學(xué)方法應(yīng)用研究

（一）教學(xué)應(yīng)用概述與教學(xué)目標明確

Python語言作為高職院校守門程序設(shè)計課程教學(xué)語言，相比于其它傳統(tǒng)計算機語言具有簡單易學(xué)、程序可讀性、可遷入性、可擴展性、邏輯結(jié)構(gòu)縝密等特點。同時該編程語言采用了開放開源設(shè)計，擁有12萬以上的第三方庫，可有效避免編程重復(fù)問題，提高教學(xué)中的語言編程教學(xué)效率。另外Python是一種解釋型語言，它的跨平臺與可移植性相當之強，可在任何系統(tǒng)中拷貝運行，對環(huán)境配置要求不高。

為了確保某些沒有編程基礎(chǔ)知識能力的高職生也能學(xué)好Python語言程序設(shè)計課程，教師專門在教學(xué)中加入了人工智能技術(shù)內(nèi)容，圍繞該技術(shù)融合可開展的Python編程語言課程就包括了Python安裝、Python輸入輸出、Python特性、人工智能編程等等知識內(nèi)容。在教學(xué)中希望明確3點教學(xué)目標：

第一，要求學(xué)生初步具有利用Python初步編寫基本程序的能力。

第二，要求學(xué)生掌握Python編程語言的基本特性。

第三，要求學(xué)生深入了解某些常用Python庫，特別是了解人工智能的基本思想與編程方式，能夠利用人工智能和Python編寫出某些復(fù)雜的處理程序。

（二）創(chuàng)新教法設(shè)計應(yīng)用

為切實達到Python程序設(shè)計教學(xué)目標，凸顯學(xué)生在課堂教學(xué)中的主體地位，教師可采用任務(wù)驅(qū)動配合項目驅(qū)動的混合教學(xué)模式展開一系列的教學(xué)設(shè)計活動，引導(dǎo)學(xué)生循序漸進的完成各項教學(xué)任務(wù)內(nèi)容，不斷提升自身的Python語言程序設(shè)計水平。

具體到教學(xué)方案設(shè)計中，教師專門圍繞學(xué)生中心、任務(wù)載體將教學(xué)內(nèi)容相對巧妙的隱藏于具體的教學(xué)任務(wù)中，再通過Python編程語言新知識內(nèi)容與新教學(xué)技能驅(qū)動學(xué)生深入學(xué)習(xí)展開基礎(chǔ)章節(jié)任務(wù)，結(jié)合任務(wù)結(jié)果評價評價學(xué)生對知識點的掌握情況。這一教法的提出與運用希望解決傳統(tǒng)程序設(shè)計教學(xué)中理論與實踐相互分離的不利教學(xué)局面，希望將課堂中的所有理論內(nèi)容全部轉(zhuǎn)移到實踐任務(wù)中，凸顯教學(xué)中理論與實踐過程的相互和諧統(tǒng)一。如下：

教師為學(xué)生設(shè)計教學(xué)任務(wù)，設(shè)計Python程序示例任務(wù)，將fileA和fileB兩個文件各存放于不同的兩行字母中，然后將兩個文件中的信息數(shù)據(jù)內(nèi)容完全合并，按照字母順序排列并再次輸出一個新文件fileC，以下給出該任務(wù)教學(xué)中的程序設(shè)計編寫代碼：

fp1=open(‘fileA.txt’)

data1=fp1.read()

fp1.close()

fp2=open(‘fileB.txt’)

data2=fp2.read()

fp2.close()

fp3=open(‘fileC.txt’，w)

data_all=list（data1+data2）

fp3.write（data_unite）

fp3.close()

采用上述項目任務(wù)驅(qū)動項目混合教學(xué)法可為學(xué)生構(gòu)建一個相對完整的人工智能Python程序設(shè)計教學(xué)獨立項目，將項目完全交由學(xué)生獨立處理完成，教師負責設(shè)計教學(xué)方案，而由學(xué)生收集信息，實施項目并最后再由教師給出學(xué)生項目完成評價。它全面考驗了學(xué)生對于Python基本庫與第三方庫的學(xué)習(xí)了解與運用程度，同時在融入大量人工智能編程思路后顛覆學(xué)生的語言編程學(xué)習(xí)認知思維，讓學(xué)生了不但能夠練習(xí)獨立編程，也能共同學(xué)習(xí)協(xié)作編程，全面提高自己的的Python語言編程能力[2]。

總結(jié)：

綜上所述，在高職院校中采用人工智能技術(shù)配合Python語言編程設(shè)計可有效拓展教學(xué)思路，而本文中所采用的的任務(wù)驅(qū)動項目混合教學(xué)模式則能有效激發(fā)學(xué)生的學(xué)習(xí)熱情，促進他們合理運用所學(xué)習(xí)知識解決實際問題，徹底擺脫復(fù)雜語法及算法所帶來的學(xué)習(xí)困擾，更好學(xué)習(xí)Python編程語言知識。

參考文獻

第5篇：人工智能技術(shù)的研究背景范文

工作中存在的不足網(wǎng)絡(luò)輿情監(jiān)測工作是指網(wǎng)絡(luò)信息工作的部門或人員在特定時期或者在特定的事件中對公眾在互聯(lián)網(wǎng)上發(fā)表的言論和意見進行監(jiān)視、收集、分析、整理及預(yù)測的行為，這些言論被稱為網(wǎng)絡(luò)輿情。

當前的網(wǎng)絡(luò)輿情監(jiān)測工作平臺主要是基于信息采集、整合技術(shù)和智能處理技術(shù)，通過對互聯(lián)網(wǎng)海量信息的自動抓取、自動分類聚類、主題檢測、專題聚焦，實現(xiàn)對用戶的網(wǎng)絡(luò)輿情監(jiān)測，并由相關(guān)部門形成輿情工作報告、輿情信息簡報等，為輿論引導(dǎo)提供可靠的分析依據(jù)。

進入大數(shù)據(jù)時代，網(wǎng)絡(luò)輿論呈現(xiàn)的新特點，促使網(wǎng)絡(luò)輿情監(jiān)測工作暴露出諸多不足之處，這為網(wǎng)絡(luò)輿情監(jiān)測工作帶來了諸多挑戰(zhàn)。

網(wǎng)絡(luò)輿論信息格局發(fā)生變化，輿情分析質(zhì)量亟待提高。據(jù)人民網(wǎng)權(quán)威的《2016年中國互聯(lián)網(wǎng)輿情分析報告》顯示，在2016年，伴隨著移動互聯(lián)網(wǎng)應(yīng)用不斷向社會各層面滲透，網(wǎng)絡(luò)輿論的格局發(fā)生了很大變化，如網(wǎng)民結(jié)構(gòu)與社會人口結(jié)構(gòu)趨同，網(wǎng)民產(chǎn)生代際更新導(dǎo)致網(wǎng)絡(luò)流行議題和文化熱點發(fā)生轉(zhuǎn)換，微博、微信平臺化，專業(yè)自媒體步入興盛等。在這樣的變局下，網(wǎng)絡(luò)輿情監(jiān)測工作面臨著新的挑戰(zhàn)。然而，有些部門的輿情信息收集工作仍然停留在報刊、門戶網(wǎng)站、BBS、微博等開源信息的收集階段，并未將新聞客戶端、微信、直播等平臺打通，難以保證輿情信息分析的全面性以及輿情熱度指標的準確性?！?016年中國互聯(lián)網(wǎng)輿情分析報告》還對近五年來參與當年最具網(wǎng)絡(luò)關(guān)注度的20個輿情熱點事件討論的320萬微博用戶樣本進行了分析，發(fā)現(xiàn)關(guān)注新聞事件和聚焦熱點話題的網(wǎng)民發(fā)生了代際交替，在性別方面，女性的比例明顯上升；在地域上，三、四線城市用戶增長迅猛。受眾層面發(fā)生的這些變化，也將在輿情監(jiān)測工作中體現(xiàn)出來。然而在目前的輿情監(jiān)測工作中，相關(guān)信息部門的輿情信息報送在內(nèi)容上只是就事論事、停留在現(xiàn)象層面，對受眾的成分、熱點事件的社會背景以及事件背后所反映出來的社會問題沒有進行細致深入的研究分析；在形式上，網(wǎng)絡(luò)輿情監(jiān)測工作的報送還停留在工作動態(tài)報告或者事件日志等形式的報送上。這樣就造成了網(wǎng)絡(luò)輿情信息的價值作用降低、服務(wù)能力減弱的問題。

熱點事件話語體系不可控，輿情預(yù)警能力亟待增強。縱觀近年來發(fā)生的熱點公共突發(fā)事件，可以發(fā)現(xiàn)，在以大數(shù)據(jù)為基礎(chǔ)的社交平臺上，公眾的話語體系呈現(xiàn)出了一些全新特征，如輿論主體的匿名性、參與渠道的多元化、生成議題的自發(fā)性、交流觀點的無界性、匯集意見的實時性、發(fā)展趨勢的不確定性等。這些特征與輿論話語體系在傳統(tǒng)媒體的呈現(xiàn)完全不同，網(wǎng)絡(luò)輿論熱點事件話語體系的不可控性大大增強。

在社交媒體平臺上，自媒體呈現(xiàn)出來的話語體系最為龐雜。許多輿情信息不僅包含結(jié)構(gòu)化數(shù)據(jù)，還涉及大量非結(jié)構(gòu)化數(shù)據(jù)，若對其準確性、真實性逐一核查，既耗費人力又耗費時間。就內(nèi)容而言，較多負面、虛假輿情具有較強的隱蔽性，單純以關(guān)鍵詞或主題詞進行搜索容易產(chǎn)生誤判、遺漏。話語體系的不可控性增加了輿情監(jiān)測工作的難度，這要求工作人員必須具備過硬的專業(yè)敏感性以及較強的網(wǎng)絡(luò)操作技能。但是目前大多數(shù)輿情監(jiān)測工作部門的信息工作人員缺乏專業(yè)化的訓(xùn)練，輿情信息工作水平參差不齊。就輿情監(jiān)測平臺系統(tǒng)來說，對于輿情信息的跟蹤分析靈敏度較低，在有些熱點事件的處理上沒有按照公共突發(fā)事件的分類標準進行準確的分級，從而導(dǎo)致網(wǎng)絡(luò)輿情信息的分析判斷力體現(xiàn)不出其應(yīng)有的情報價值，預(yù)警能力也隨之削弱。

輿情監(jiān)測的技術(shù)體系落后，人機不協(xié)調(diào)問題亟待解決。網(wǎng)絡(luò)輿論的實時性及其發(fā)展的不確定性要求網(wǎng)絡(luò)輿情監(jiān)測必須迅速、及時，但很多單位部門的輿情監(jiān)測平臺的方法技術(shù)體系滯后，部分單位采用了網(wǎng)絡(luò)監(jiān)控系統(tǒng)、有害信息過濾系統(tǒng)等方式進行網(wǎng)絡(luò)輿情監(jiān)測，而有些單位為了節(jié)省輿情監(jiān)測設(shè)備的成本，甚至將網(wǎng)絡(luò)輿情監(jiān)測工作依托于人工網(wǎng)頁搜索及瀏覽的“人工盯梢”方式上，這成為監(jiān)測工作的一大阻礙，監(jiān)測工作出現(xiàn)疏忽錯判也在所難免。排除資金、人力等客觀因素，現(xiàn)階段的網(wǎng)絡(luò)輿情監(jiān)測工作中技術(shù)方法體系的不足主要歸因于“人機不協(xié)調(diào)”。機器與人工的協(xié)同分工模式不成熟、機器的輔助力量不夠，導(dǎo)致人工智能技術(shù)在預(yù)測監(jiān)測體系中分析情感、預(yù)測走勢、檢查效果等方面應(yīng)用還稍顯粗淺、機械，而在需要人工進行的高級維度分析、提出應(yīng)對策略等層面，機器的應(yīng)用又顯得粗糙以及同質(zhì)化。

人工智能為網(wǎng)絡(luò)輿情監(jiān)測帶來的三大變革

網(wǎng)絡(luò)輿情監(jiān)測要適應(yīng)大數(shù)據(jù)時代人工智能的要求，就必須順勢而為，積極進行變革，主要包括網(wǎng)絡(luò)輿情監(jiān)測技術(shù)體系的變革、網(wǎng)絡(luò)輿情監(jiān)測研究范式的變革以及網(wǎng)絡(luò)輿情監(jiān)測管理思維的變革三個方面。

網(wǎng)絡(luò)輿情監(jiān)測技術(shù)體系的變革。將人工智能技術(shù)應(yīng)用于網(wǎng)絡(luò)輿情是為了更好地對輿情進行分析研判，通過直觀、簡明的方式描述網(wǎng)絡(luò)輿情信息的產(chǎn)生，進一步推導(dǎo)信息傳播主體的態(tài)度傾向性、情緒感染性以及初衷、意圖等，從而預(yù)測網(wǎng)絡(luò)輿情信息的發(fā)展趨勢。

如果說在“小數(shù)據(jù)”環(huán)境下，網(wǎng)絡(luò)輿情監(jiān)測工作還可以依托于“人工盯梢”的方式來完成，那么在“大數(shù)據(jù)”環(huán)境下，當數(shù)據(jù)的量級達到了EB甚至ZB級別后，以人工監(jiān)測來把握輿情脈絡(luò)已成為不可能完成的任務(wù)。而那些隱含在網(wǎng)絡(luò)輿情信息中的觀點、態(tài)度及情緒的表達，更難以從泛濫成災(zāi)的信息碎片中被真正發(fā)掘出來。加之海量信息的不共享所帶來的“信息盲區(qū)”，更使得輿情信息分析不夠嚴謹，易偏離實際，而這些問題都需要依托搭建智能化的網(wǎng)絡(luò)輿情監(jiān)管平臺來解決。在平臺上可以通過三種人工智能技術(shù)實現(xiàn)數(shù)據(jù)分析與人工智能研判相結(jié)合，再借助如眼動儀、腦電儀等受眾檢驗儀器對網(wǎng)絡(luò)輿情信息進行綜合化分析。三種主要的人工智能技術(shù)主要包括：一是Web挖掘技術(shù)，該技術(shù)把互聯(lián)網(wǎng)與數(shù)據(jù)挖掘技術(shù)結(jié)合起來，對網(wǎng)絡(luò)上結(jié)構(gòu)化數(shù)據(jù)如文字言論，以及非結(jié)構(gòu)化的數(shù)據(jù)如視音頻、圖像等信息進行采集，完成信息前期處理的第一步；二是語義識別技術(shù)，該技術(shù)是利用采集到的信息，通過對語句中的關(guān)鍵詞進行詞義推斷處理以及句子語法結(jié)構(gòu)的分析，從而將復(fù)雜信息簡單化，這是對采集的信息數(shù)據(jù)做進一步識別推斷的過程；三是TFDF信息聚類技術(shù)，該技術(shù)主要提升數(shù)據(jù)信息的分析和分類速度，使網(wǎng)絡(luò)輿情監(jiān)測工作的處理更加及時，反應(yīng)更加靈敏，提高采取措施的時效性。

人工智能技術(shù)的介入將有利于對信息進行挖掘、采集、分類、整理，從而找尋出最核心的關(guān)鍵性數(shù)據(jù)。在此基礎(chǔ)上，還可以運用人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，對網(wǎng)絡(luò)輿情的性質(zhì)、發(fā)展趨勢進行正確描述，并提出相應(yīng)的對策。

網(wǎng)絡(luò)輿情監(jiān)測研究范式的變革。人工智能和大數(shù)據(jù)對網(wǎng)絡(luò)輿情監(jiān)測工作及其研究產(chǎn)生了頗為深刻的影響，輿情監(jiān)測的研究范式從多角度發(fā)生了轉(zhuǎn)向。

第一，輿情監(jiān)測工作視角的轉(zhuǎn)向：從單一化到多元化。在社交媒體平臺上，受眾的角色首先發(fā)生了轉(zhuǎn)向，由信息的被動接收者轉(zhuǎn)變?yōu)樾畔⒌膮⑴c者和傳播者。這一轉(zhuǎn)向給網(wǎng)絡(luò)輿情監(jiān)測工作帶來了新的挑戰(zhàn)，當受眾是單純的信息接收方時，網(wǎng)絡(luò)信息的可控性強，輿情監(jiān)測工作形式單一，把關(guān)相對容易。而受眾角色發(fā)生變化以后，網(wǎng)絡(luò)信息傳播的不可控性大大增加，信息傳播速度加快，信息傳播呈現(xiàn)多元化特征，把關(guān)難度增加，網(wǎng)絡(luò)輿情監(jiān)測工作也從單一轉(zhuǎn)向多元化，還需要對信息進行疏導(dǎo)、研判處理。

第二，研究視角的轉(zhuǎn)向：從內(nèi)容研究轉(zhuǎn)向“內(nèi)容+關(guān)系”研究。傳統(tǒng)的網(wǎng)絡(luò)輿情信息研究最重視的是受眾借助網(wǎng)絡(luò)進行的話語表達，其研究視角主要集中在內(nèi)容層面。隨著人工智能技術(shù)的介入，這一單向視角將發(fā)生轉(zhuǎn)變，潛藏在內(nèi)容層面背后的網(wǎng)絡(luò)受眾心理、行為、動機、訴求等多方面因素都將被關(guān)注到。借助人工智能技術(shù)及大數(shù)據(jù)分析技術(shù)，網(wǎng)絡(luò)輿情信息的研究視角將透過內(nèi)容層面深入到關(guān)系層面，轉(zhuǎn)向?qū)W(wǎng)絡(luò)受眾社會心理描繪、社會關(guān)系呈現(xiàn)、社會話語表達等多維度的研究。

第三，研究重點的轉(zhuǎn)向：由輿情監(jiān)測轉(zhuǎn)向輿情預(yù)測。當前的網(wǎng)絡(luò)輿情監(jiān)測工作主要通過對當下網(wǎng)絡(luò)輿情的動態(tài)信息進行隨機采樣來收集、整理、分析，更多的是關(guān)注已經(jīng)發(fā)生的事件在過去及當下的動向，對未來的發(fā)展預(yù)測難以兼顧。而借助人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，通過自然語言處理、模式識別及機器學(xué)習(xí)等人工智能技術(shù)，可以對網(wǎng)絡(luò)輿情的性質(zhì)、發(fā)展趨勢進行正確描述，再結(jié)合大數(shù)據(jù)分析處理整群數(shù)據(jù)來實現(xiàn)預(yù)測功能。比如，著名的搜索引擎公司谷歌通過關(guān)注用戶搜索中的“流感”關(guān)鍵詞來預(yù)測實際流感發(fā)生的時間，往往可以提前兩三個周對流感的爆發(fā)進行預(yù)報及預(yù)防。

網(wǎng)絡(luò)輿情監(jiān)測管理思維的變革。在以人工智能技術(shù)為支撐的網(wǎng)絡(luò)輿情監(jiān)測平臺出現(xiàn)之前，相關(guān)輿情監(jiān)測部門的管理者往往由一人或幾人的小團隊組成，在監(jiān)測信息數(shù)據(jù)量級不大的情況下，這種小作坊式單打獨斗、面面俱到的輿情監(jiān)控管理思維可以基本滿足需求。但是隨著人工智能技術(shù)的發(fā)展及大數(shù)據(jù)時代的到來，這種小作坊式的輿情監(jiān)測體系面臨瓦解。當前，商業(yè)化運營的軟件監(jiān)測團隊多達幾百家，這些監(jiān)測軟件服務(wù)商通過開發(fā)相應(yīng)的輿情監(jiān)測軟件為政府部門、企業(yè)主體以及科研院所提供服務(wù)，進行簡單的輿情信息數(shù)據(jù)采集及分類處理工作。在數(shù)據(jù)開源的情況下，這些軟件服務(wù)商的競爭逐漸由粗放型、低層次化向數(shù)據(jù)處理的優(yōu)化、人機互動、機器算法的精進等層面轉(zhuǎn)變。

在以上變化的基礎(chǔ)上，輿情監(jiān)測的管理思維也必須轉(zhuǎn)向，組建一支人員分工明確、高度聚合集約的輿情分析團隊勢在必行。輿情管理的思維變革依托于人工智能監(jiān)控系統(tǒng)改變團隊的組織結(jié)構(gòu)及管理方式，通過智能化的輿情監(jiān)測系統(tǒng)代替低效的人工操作，其專業(yè)性要求頗高，而最佳處理模式就是專業(yè)化團隊加人工智能技術(shù)。按照這樣的管理思維，未來輿情監(jiān)測團隊的分工將更加明確，行業(yè)內(nèi)部集約聚合程度將進一步提高，行業(yè)有機化程度也將逐步增強。

第6篇：人工智能技術(shù)的研究背景范文

電氣信息化技術(shù)分為三個層次：第一，信息基礎(chǔ)技術(shù)，包括光子、微電子等相關(guān)元器件的制作技術(shù)等，為集成電路、計算機等技術(shù)的應(yīng)用提供了前提與基礎(chǔ)。第二，信息系統(tǒng)技術(shù)，指的是獲取、處理、傳輸與控制信息的系統(tǒng)或者設(shè)備在實現(xiàn)的過程中所需的技術(shù)，其中信息獲取技術(shù)包括遙感技術(shù)、傳感技術(shù)等，信息處理技術(shù)包括優(yōu)化與仿真技術(shù)、數(shù)據(jù)庫技術(shù)等，信息傳輸技術(shù)包括多媒體技術(shù)、網(wǎng)絡(luò)通信技術(shù)等，信息控制技術(shù)包括人工智能等。第三，信息應(yīng)用技術(shù)。信息技術(shù)在社會的各個領(lǐng)域中都有著廣泛的應(yīng)用，例如工程控制技術(shù)、信息管理系統(tǒng)等。

2電氣工程信息化應(yīng)用系統(tǒng)的優(yōu)勢

2.1確保電氣工程各個環(huán)節(jié)的一致性

在電力系統(tǒng)的運行過程中，檢測、監(jiān)控、管理等各個環(huán)節(jié)之間的相互協(xié)調(diào)與配合是電力系統(tǒng)有序運行的前提與基礎(chǔ)。通過電器工程信息化應(yīng)用系統(tǒng)，能夠?qū)崿F(xiàn)電力運行系統(tǒng)檢測水平與控制水平的提高，進而實現(xiàn)電力系統(tǒng)運行效率與質(zhì)量的提高，更好地改善運行系統(tǒng)的服務(wù)效率。

2.2實現(xiàn)電氣工程監(jiān)測模型的簡化

實現(xiàn)電氣工程信息化，能夠?qū)鹘y(tǒng)的電電氣工程信息化應(yīng)用系統(tǒng)的設(shè)計要點分析文/苑少軍在信息時代背景下，電氣信息化技術(shù)在電氣工程中得到了廣泛的應(yīng)用。本文首先對電氣信息化技術(shù)進行了分析，在此基礎(chǔ)上提出了電器工程信息化應(yīng)用系統(tǒng)中的信息技術(shù)及其設(shè)計要點，為實現(xiàn)電氣工程信息化奠定堅實的基礎(chǔ)。摘要器工程檢測模型進行有效的簡化，更好地確保電氣工程控制的時效性。利用控制器進行控制的過程中，如果被控制對象比較復(fù)雜，將導(dǎo)致無法對其進行準確的把握，出現(xiàn)無法估量、無法預(yù)測等情況。因此，在電力系統(tǒng)的管理與控制的過程中，會由于電氣工程出現(xiàn)的問題而面臨困境。

3電氣工程信息化應(yīng)用系統(tǒng)的設(shè)計要點

3.1優(yōu)化與仿真系統(tǒng)的設(shè)計要點

首先，計算機輔助電機電器優(yōu)化設(shè)計。CAD在飛機制造、汽車制造與電機電器工業(yè)中最早得到應(yīng)用，主要依靠的是計算機非常強大的計算功能，將傳統(tǒng)經(jīng)驗轉(zhuǎn)變成為計算機軟件，從而實現(xiàn)了工作效率與質(zhì)量的有效提高。其次，電力系統(tǒng)的優(yōu)化與仿真。計算機在電力系統(tǒng)的可靠性、安全性等仿真系統(tǒng)中得到了廣泛的應(yīng)用。當前，優(yōu)化與仿真技術(shù)主要在計算機輔助電力系統(tǒng)潮流計算、網(wǎng)絡(luò)規(guī)劃、可靠性分析、系統(tǒng)計劃分析等方面得到了充分的利用。隨著電力工業(yè)中模擬技術(shù)的應(yīng)用，計算機的圖形處理功能與邏輯分析功能得到了廣泛的應(yīng)用。在計算機屏幕上實現(xiàn)了實際電網(wǎng)的再現(xiàn)。無圖板設(shè)計標志著電力工程計算機輔助設(shè)計發(fā)展到了新的階段。

3.2人工智能技術(shù)的設(shè)計要點

3.2.1人工智能技術(shù)在電力系統(tǒng)中的設(shè)計

在電力系統(tǒng)的規(guī)劃、監(jiān)視、控制、分析等領(lǐng)域中，人工智能技術(shù)已經(jīng)得到了廣泛的應(yīng)用。人工智能系統(tǒng)應(yīng)用較為成功的包括電力調(diào)動操作管理系統(tǒng)、短期電力負荷智能預(yù)報系統(tǒng)、分布式電力網(wǎng)絡(luò)故障模擬分析系統(tǒng)等。

3.2.2人工智能技術(shù)在電機中的設(shè)計

人工智能技術(shù)在各個領(lǐng)域得到了廣泛的應(yīng)用，電機控制領(lǐng)域的專家學(xué)者也開始關(guān)注與重視人工智能思想與方法，開始在控制系統(tǒng)的研究與應(yīng)用中引入人工智能技術(shù)，解決各種傳統(tǒng)控制方法無法解決的問題，完成各種傳統(tǒng)控制技術(shù)無法勝任的任務(wù)。如電機智能控制器，水力發(fā)電機微機采樣多參數(shù)新型控制裝置，異步電動機微機矢量控制智能調(diào)速系統(tǒng)，轉(zhuǎn)矩控制和電流跟蹤的高性能智能變頻高速系統(tǒng)，異步電動機矢量控制調(diào)速系統(tǒng)以及應(yīng)用自適應(yīng)神經(jīng)元控制技術(shù)的電機PWM調(diào)速系統(tǒng)。

3.3網(wǎng)絡(luò)技術(shù)的應(yīng)用與設(shè)計

3.3.1管理信息系統(tǒng)

電力專用通信網(wǎng)在建設(shè)與管理方面都取得了一定的發(fā)展與成就，實現(xiàn)了電力調(diào)度系統(tǒng)計算機網(wǎng)絡(luò)規(guī)劃大綱的制定與完善。當前，已經(jīng)逐步形成了包含多種通信方式的通信網(wǎng)絡(luò)，一方面更好地滿足了電力生產(chǎn)調(diào)度的需求，另一方面為全國電力信息網(wǎng)絡(luò)的建立奠定了物質(zhì)基礎(chǔ)。

3.3.2過程控制自動化

在過程控制自動化指的是通過計算機監(jiān)控系統(tǒng)實現(xiàn)自動化控制。很多電廠還建立了以計算機為基礎(chǔ)的機爐協(xié)調(diào)控制系統(tǒng)、鍋爐爐膛安全監(jiān)視系統(tǒng)、汽輪機數(shù)字電液調(diào)節(jié)系統(tǒng)及各種輔助控制系統(tǒng)。并在單元機組分布控制的基礎(chǔ)上，建立了值長系統(tǒng)、生產(chǎn)管理系統(tǒng)，實現(xiàn)了機組計算機監(jiān)控實時信息進入管理信息系統(tǒng)網(wǎng)絡(luò)，大大提高了機組的安全和經(jīng)濟運行。

3.4故障診斷技術(shù)的應(yīng)用

電力設(shè)備在電氣系統(tǒng)運行的過程中常常會出邊各種故障。電氣設(shè)備出現(xiàn)故障之前都存在一定的預(yù)兆，依據(jù)故障預(yù)兆能夠?qū)υO(shè)備故障進行判斷。隨著信息化及時的不斷發(fā)展與完善，利用信息化技術(shù)能夠更好地對故障預(yù)兆進行判斷，從而確保系統(tǒng)能夠正常的運行。研究人員針對電氣工程信息化系統(tǒng)中的變壓器進行了科學(xué)、合理的維護，實現(xiàn)這一重要電力設(shè)備壽命的延長，但是并不能夠?qū)υO(shè)備故障的出現(xiàn)實現(xiàn)完全的避免。

4總結(jié)

第7篇：人工智能技術(shù)的研究背景范文

[關(guān)鍵詞]人工智能，工程技術(shù)應(yīng)用

中圖分類號：TP 文獻標識碼：A 文章編號：1009-914X（2014）31-0221-01

首先，介紹下人工智能（Artificial Intelligence，AI）是一門綜合了計算機科學(xué)、生理學(xué)、哲學(xué)的交叉學(xué)科。人工智能的研究課題涵蓋面很廣，從機器視覺到專家系統(tǒng)，包括了許多不同的領(lǐng)域。 其點是讓機器學(xué)會“思考”

人工智能學(xué)科是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的一個分支。

1.20世紀80年代，專家系統(tǒng)技術(shù)的逐漸成熟及計算機技術(shù)的迅速發(fā)展，使得智能控制和決策的研究也取得了較大進展。計算智能是一種仿生計算方法，它從生物底層對智能行為進行模擬和研究，拓展了傳統(tǒng)的計算模式，為復(fù)雜問題的求解提供了新的解決辦法。為了提高計算智能的應(yīng)用效率，本文分析了二進制遺傳算法中早熟收斂的成因，指出了傳統(tǒng)的變異算子在防止早熟收斂方面的不足，提出了一種能有效預(yù)防早熟現(xiàn)象的二元變異算子，并在此基礎(chǔ)上提出了一種便于用常規(guī)邏輯門電路實現(xiàn)的遺傳算法。鑒于參數(shù)選擇對于遺傳算法求解效率的影響。

2.人工智能在工程技術(shù)各行各業(yè)的應(yīng)用

（1）工業(yè)過程中的智能控制。生產(chǎn)過程的智能控制主要包括兩個方面：局部級和全局級。

（2）機械制造中的智能控制。在現(xiàn)代先進制造系統(tǒng)中，需要依賴那些不夠完備和不夠精確的數(shù)據(jù)來解決難以或無法預(yù)測的情況，人工智能技術(shù)為解決這一難題提供了有效的解決方案。

（3）電力電子學(xué)研究領(lǐng)域中的智能控制。電力系統(tǒng)中發(fā)電機、變壓器、電動機等電機電器設(shè)備的設(shè)計、生產(chǎn)、運行、控制是一個復(fù)雜的過程，國內(nèi)外的電氣工作者將人工智能技術(shù)引入到電氣設(shè)備的優(yōu)化設(shè)計、故障診斷及控制中，取得了良好的控制效果 。

（4）人工智能在水利工程中應(yīng)用。大壩安全監(jiān)測自動化系統(tǒng)結(jié)構(gòu)和大壩安全智能決策支持系統(tǒng)（DSIDSS）。

1）針對大壩安全監(jiān)測系統(tǒng)的可靠性問題，將現(xiàn)場總線監(jiān)測網(wǎng)絡(luò)結(jié)構(gòu)和基于現(xiàn)場總線的通信網(wǎng)絡(luò)模型應(yīng)用于大壩安全監(jiān)測系統(tǒng)中，提高了系統(tǒng)的可靠性和系統(tǒng)組網(wǎng)的靈活性，使大壩安全監(jiān)測自動化系統(tǒng)可根據(jù)現(xiàn)場條件靈活組網(wǎng)，增加了系統(tǒng)的實用性。重點研究了監(jiān)控網(wǎng)絡(luò)的系統(tǒng)結(jié)構(gòu)、網(wǎng)絡(luò)通訊模式和功能分布。

2）針對自動化監(jiān)控系統(tǒng)的數(shù)據(jù)真實性和合理性檢驗問題，研究了大壩安全監(jiān)測數(shù)據(jù)的預(yù)處理方法，應(yīng)用灰色系統(tǒng)理論和過程突變理論建立了監(jiān)測數(shù)據(jù)的在線檢驗?zāi)Ｐ?，有效地解決了自動化系統(tǒng)監(jiān)測數(shù)據(jù)的合理性和真實性的在線檢驗問題。

3）應(yīng)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)研究了大壩監(jiān)測數(shù)據(jù)的分析方法，建立了基于自學(xué)習(xí)神經(jīng)元的自學(xué)習(xí)即網(wǎng)絡(luò)監(jiān)控模型，為大壩安全監(jiān)控模型的建立和預(yù)測提供了新的思路和方法。

4）針對合理處理DSIDSS中的不確定因素問題，采用模糊測度和模糊積分理論的基本思想和方法進行了處理。結(jié)合模糊集和可能性理論，提出了大壩安全等級劃分和安全判據(jù)的表示方法。應(yīng)用模糊測度和模糊積分理論，較好地解決了大壩安全綜合評價中不確定性因素的計算機表示和處理方法。

5）探討了DSIDSS中的知識表示和推理技術(shù)，應(yīng)用知識的語義網(wǎng)絡(luò)和模糊產(chǎn)生式規(guī)則表示方法，建立了大壩安全智能決策支持系統(tǒng)的知識庫。所采用的模糊推理方法克服了傳統(tǒng)Bayes推理方法的部分缺陷，在實際應(yīng)用中表明是合理有效的一種推理模式。

人工智能的過程及在工程技術(shù)轉(zhuǎn)化的順序包含：

1.機器學(xué)習(xí)

機器學(xué)習(xí)（Machine Learning）是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新

的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域，它主要使用歸納、綜合而不是演繹機器學(xué)習(xí)的研究是根據(jù)生理學(xué)、認知科學(xué)等對人類學(xué)習(xí)機理的了解，建立人類學(xué)習(xí)過程的計算模型或認識模型，發(fā)展各種學(xué)習(xí)理論和學(xué)習(xí)方法，研究通用的學(xué)習(xí)算法并進行理論上的分析，建立面向任務(wù)的具有特定應(yīng)用的學(xué)習(xí)系統(tǒng)。這些研究目標相互影響相互促進。

2.模式識別

1）. 模式識別概述

模式識別（Pattern Recognition）是人類的一項基本智能，在日常生活中，人們經(jīng)常在進行“模式識別”。隨著20世紀40年代計算機的出現(xiàn)以及50年代人工智能的興起，人們當然也希望能用計算機來代替或擴展人類的部分腦力勞動。（計算機）模式識別在20世紀60年代初迅速發(fā)展并成為一門新學(xué)科。

模式識別（Pattern Recognition）是指對表征事物或現(xiàn)象的各種形式的（數(shù)值的、文字的和邏輯關(guān)系的）信息進行處理和分析，以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程，是信息科學(xué)和人工智能的重要組成部分。應(yīng)用計算機對一組事件或過程進行辨識和分類，所識別的事件或過程可以是文字、聲音、圖像等具體對象，也可以是狀態(tài)、程度等抽象對象。這些對象與數(shù)字形式的信息相區(qū)別，稱為模式信息。

2）.模式識別的應(yīng)用（1）文字識別（2）語音識別（3）圖像識別（4）醫(yī)學(xué)診斷

3.專家系統(tǒng)

1）.專家系統(tǒng)概述

專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題。

2）.發(fā)展歷史

專家系統(tǒng)的發(fā)展已經(jīng)歷了3個階段，正向第四代過渡和發(fā)展。

第一代專家系統(tǒng)（dendral、macsyma等）以高度專業(yè)化、求解專門問題的能力強為特點。但在體系結(jié)構(gòu)的完整性、可移植性等方面存在缺陷，求解問題的能力弱。

第二代專家系統(tǒng)（mycin、casnet、prospector、hearsay等）屬單學(xué)科專業(yè)型、應(yīng)用型系統(tǒng)

第三代專家系統(tǒng)屬多學(xué)科綜合型系統(tǒng)，采用多種人工智能語言，綜合采用各種知識表示方法和多種推理機制及控制策略

3. 專家系統(tǒng)的基本結(jié)構(gòu)

專家系統(tǒng)的基本結(jié)構(gòu)如圖所示，其中箭頭方向為數(shù)據(jù)流動的方向。專家系統(tǒng)通常由人機交互界面、知識庫、推理機、解釋器、綜合數(shù)據(jù)庫、知識獲取等6個部分構(gòu)成。知識庫用來存放專家提供的知識。專家系統(tǒng)的問題求解過程是通過知識庫中的知識來模擬專家的思維方式的，因此，知識庫是專家系統(tǒng)質(zhì)量是否優(yōu)越的關(guān)鍵所在，即知識庫中知識的質(zhì)量和數(shù)量決定著專家系統(tǒng)的質(zhì)量水平。

人工智能在物聯(lián)網(wǎng)的應(yīng)用

物聯(lián)網(wǎng)智能是利用人工智能技術(shù)服務(wù)于物聯(lián)網(wǎng)絡(luò)的技術(shù)是將人工智能的理論方法和技術(shù)通過具有智能處理功能的軟件部署在網(wǎng)絡(luò)服務(wù)器中去服務(wù)于接入物聯(lián)網(wǎng)的物品設(shè)備和人。

1.智能物聯(lián)網(wǎng)

1）智能物聯(lián)網(wǎng)概念

智能物聯(lián)網(wǎng)就是對接入物聯(lián)網(wǎng)的物品設(shè)備產(chǎn)生的信息能夠?qū)崿F(xiàn)自動識別和處理判斷，并能將處理結(jié)果反饋給接入的物品設(shè)備，同時能根據(jù)處理結(jié)果對物品設(shè)備進行某種操作指令的下達使接入的物品設(shè)備作出某種動作響應(yīng).而整個處理過程無需人類的參與。

2）智能物聯(lián)網(wǎng)的實現(xiàn)途徑

要實現(xiàn)物聯(lián)網(wǎng)智能化就必須讓人工智能成為物聯(lián)知終端、傳輸網(wǎng)絡(luò)、具有人工智能的數(shù)據(jù)處理服務(wù)器。

2.物聯(lián)網(wǎng)需要的人工智能技術(shù)

1）物聯(lián)網(wǎng)中需要來自人工智能技術(shù)的研究成果.如問題求解、邏輯推理證明、專家系統(tǒng)、數(shù)據(jù)挖掘、模式識別、自動推理、機器學(xué)習(xí)、智能控制等技術(shù)。

2）物聯(lián)網(wǎng)的智能控制

在物聯(lián)網(wǎng)的應(yīng)用中.控制將是物聯(lián)網(wǎng)的主要環(huán)節(jié).如何在物聯(lián)網(wǎng)中實現(xiàn)智能控制將是物聯(lián)網(wǎng)發(fā)展的關(guān)鍵。

3.物聯(lián)網(wǎng)智能模型

基于對人工智能技術(shù)的認識和研究.依據(jù)人工智能模型.推演出了智能物聯(lián)網(wǎng)智能化模型。智能物聯(lián)網(wǎng)被分為五個層次機器感知交互層、通信層、數(shù)據(jù)層、智能處理層、人機交互層，共五層。

作者簡介

第8篇：人工智能技術(shù)的研究背景范文

機器人桑尼反問：你能嗎？

如果你看過電影《機器公敵》，一定記得這個對白，并對電影中那個擁有自我思考能力、擁有人類情感的機器人桑尼記憶猶新。

讓機器擁有學(xué)習(xí)能力，甚至能夠像人類一樣去思考、工作，這就是人工智能，這個概念自從1956年被提出之后一直都是科幻小說最火爆的主題之一。如今，人工智能已不是幻想。

作為人工智能實現(xiàn)方法之一，人工神經(jīng)網(wǎng)絡(luò)目前已在全世界范圍內(nèi)悄然誕生，而由谷歌XLab團隊斥巨資打造的谷歌大腦（Google Brain）無疑是首屈一指的。谷歌大腦的締造者名叫吳恩達（Andrew Ng），他是一位華裔，現(xiàn)任斯坦福人工智能實驗室主任，真正的“X教授”。

重拾人工智能夢想

如果是對7年前的吳恩達提人工智能，他一定會用各種理由說服你放棄這個瘋狂的想法。

吳恩達對人工智能技術(shù)的否定，源于當時的一種主流觀點：人類智慧是由無數(shù)個負責簡單功能的區(qū)域協(xié)同工作形成的，而這個過程如果用計算機的方式來完成就必須建立成千上萬個獨立的計算機模塊，每個模塊模仿一種功能，比如說話、味覺。

按照這個理論推演開去，實現(xiàn)人工智能所需的工作量是巨大的。因此，人工智能技術(shù)在發(fā)展了40多年之后還是處于初級階段。

當時的神經(jīng)學(xué)家們始終認為，人工智能屬于大腦研究的范疇，他們不大愿意和其他領(lǐng)域的科學(xué)家進行合作。這樣的結(jié)果就是，工程師們在對神經(jīng)科學(xué)毫不了解的情況下，開始開發(fā)不完全模仿人類大腦運行的智能系統(tǒng)，最終的產(chǎn)品就是類似“Roomba”這樣的吸塵機器，這種吸塵機器人在工作的時候可以自動繞過障礙物，并沿著墻角路線轉(zhuǎn)彎，在如今的家電大賣場均有銷售。Roomba只有按照程序躲避障礙的能力，并不能像人一樣學(xué)習(xí)。在吳恩達看來，這是“偽人工智能”。

發(fā)明能像人類一樣學(xué)習(xí)、思考的機器，是吳恩達從小到大的夢想，但是當他進入大學(xué)開始真正接觸到人工智能技術(shù)的時候，卻深受上述觀念的毒害而放棄了研究。

直到有一天，吳恩達偶然接觸到了一種嶄新的理論，這種理論認為，“人類的智慧源于單一的算法”，人類的大腦在發(fā)育的初期，每一部分的職責分工并不是明確的，可以通過后期的調(diào)試執(zhí)行特定的任務(wù)。提出這個假說的杰夫?霍金斯（Jeff Hawkins）是全球最大掌上電腦制造商Palm的創(chuàng)始人，也是一名有著神經(jīng)科學(xué)研究背景的人工智能領(lǐng)域的企業(yè)家。

這個理論改變了吳恩達的人生軌跡，他重新拾起了兒時的夢想?！拔矣猩詠?，第一次感到自己有可能在人工智能的研究領(lǐng)域取得一點兒進展。”

谷歌大腦的締造者

2010年，時任斯坦福大學(xué)教授的吳恩達加入谷歌開發(fā)團隊XLab――這個團隊已經(jīng)先后為谷歌開發(fā)了無人駕駛汽車和谷歌眼鏡兩個知名項目。身為人工智能領(lǐng)域的權(quán)威，吳恩達的使命就是“以史無前例的規(guī)模，通過谷歌龐大的數(shù)據(jù)中心來打造人工智能系統(tǒng)?！?/p>

隨后，吳恩達與谷歌頂級工程師開始合作建立全球最大的“神經(jīng)網(wǎng)絡(luò)”，這個神經(jīng)網(wǎng)絡(luò)能夠以與人類大腦學(xué)習(xí)新事物相同的方式來學(xué)習(xí)現(xiàn)實生活。谷歌將這個項目命名為“谷歌大腦”。

吳恩達表示：“在我加入谷歌的時候，學(xué)術(shù)界最大的神經(jīng)網(wǎng)絡(luò)大約有100萬個參量，而當時在谷歌，我們能夠建造比這個規(guī)模大1000倍的神經(jīng)網(wǎng)絡(luò)。”

身處大數(shù)據(jù)時代，谷歌每年在超級計算機數(shù)據(jù)中心領(lǐng)域的投資達十億美元，像吳恩達這樣的大學(xué)教授，也只有在像谷歌這樣的公司里才能完成這種研究。

谷歌大腦能夠?qū)⑺吹降膱D像或圖片分解成10億多個不同的參量，然后通過自主學(xué)習(xí)，學(xué)會如何將這些零碎的參量組合到一起。比如看到很多種花，再告訴機器這些是花，久而久之，機器就會將這類有顏色、有花瓣、有花蕊的物體自動和花這個單詞聯(lián)系到一起，從而從千萬張圖片中識別出花。這個過程好像教嬰兒認卡片一樣，神經(jīng)網(wǎng)絡(luò)學(xué)界將這個過程叫做“深度學(xué)習(xí)”。

去年6月，吳恩達所開發(fā)的人工神經(jīng)網(wǎng)絡(luò)通過觀看一周YouTube視頻，自主學(xué)會了識別哪些是關(guān)于貓的視頻。這個案例為人工智能領(lǐng)域翻開了嶄新的一頁。吳恩達表示，未來將會在谷歌無人駕駛汽車上使用該項技術(shù)，來識別車前面的動物或者小孩，從而及時躲避。

為了利用谷歌的神經(jīng)網(wǎng)絡(luò)模型改善谷歌的語音識別軟件，去年夏天，吳恩達為谷歌請來了杰弗里?辛頓（Geoffrey Hinton）――來自多倫多大學(xué)的“神經(jīng)網(wǎng)絡(luò)領(lǐng)域的教父”。杰弗里在谷歌花了數(shù)月時間對谷歌算法進行改進。當安卓Jelly Bean 4.2G版本軟件去年底時，這些算法已經(jīng)將其語音識別的出錯率降低了25%。

今年3月，谷歌收購了杰弗里的公司DNN research，DNN是深度神經(jīng)網(wǎng)絡(luò)的英文縮寫。

加入谷歌的杰弗里希望構(gòu)建比其去年開發(fā)的10億參量的神經(jīng)網(wǎng)絡(luò)更大的神經(jīng)網(wǎng)絡(luò)，杰弗里透露：如果能夠建立比10億參量神經(jīng)網(wǎng)絡(luò)大1000倍的神經(jīng)網(wǎng)絡(luò)，將會有機會教機器理解一些事物，甚至情感。

人工智能才剛剛開始

和人腦的靈活性及準確性相比，吳恩達的深度學(xué)習(xí)算法還相差十萬八千里，但是吳恩達說，那一天會到來的。

吳恩達如此自信是有原因的，如今越來越多的科學(xué)家和科技公司開始意識到深度學(xué)習(xí)對于計算機科學(xué)發(fā)展的重大意義，他不是一個人在戰(zhàn)斗。

在美國，隨著奧巴馬政府宣布將支持籌建一項跨學(xué)科的科研項目“基于神經(jīng)科學(xué)技術(shù)創(chuàng)新的人腦研究”，許多類似的項目正如雨后春筍般涌現(xiàn)。

在谷歌發(fā)力神經(jīng)網(wǎng)絡(luò)的同時，IBM、微軟、蘋果、百度這些公司也競相開始了對神經(jīng)網(wǎng)絡(luò)技術(shù)的探索。

第9篇：人工智能技術(shù)的研究背景范文

關(guān)鍵詞：智能制造；智能科學(xué)與技術(shù)；人工智能技術(shù)；機器人；實驗平臺建設(shè)

智能制造是基于新一代信息技術(shù)，貫穿設(shè)計、生產(chǎn)、管理、服務(wù)等制造活動各個環(huán)節(jié)。具有信息深度自感知、智慧優(yōu)化自決策、精準控制自執(zhí)行等功能的先進制造過程、系統(tǒng)與模式的總稱。是信息技術(shù)和智能技術(shù)在裝備制造過程技術(shù)的深度融合與集成。加快推進智能制造，是我國在全球新一輪產(chǎn)業(yè)變革競爭背景下出臺的《中國制造2025》的主攻方向。廣東省作為國內(nèi)制造大省和全球重要制造基地，也對接印發(fā)了《廣東省智能制造發(fā)展規(guī)劃（2015-2025年）》。針對廣東省制造業(yè)的創(chuàng)新能力、產(chǎn)業(yè)結(jié)構(gòu)、信息化水平的缺乏競爭力的問題，大力實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，推動智能制造核心技術(shù)攻關(guān)和關(guān)鍵零部件研發(fā)，推進制造過程智能化升級改造，實現(xiàn)“制造大省”向“制造強省”轉(zhuǎn)變。創(chuàng)新驅(qū)動，智能化升級改造需要國際領(lǐng)先水平人才的引進和高等院校實戰(zhàn)型工程技術(shù)人才培養(yǎng)。我院智能科學(xué)與技術(shù)專業(yè)就是面向廣東智能產(chǎn)業(yè)的深度融合設(shè)置的。其專業(yè)實驗平臺的建設(shè)需要針對廣東省高端裝備、制造過程、工業(yè)產(chǎn)品智能化等領(lǐng)域的薄弱環(huán)節(jié)，以“機器智能”為方向，完善實驗教學(xué)體系、整合實驗教學(xué)資源，開設(shè)綜合性、創(chuàng)新性的實驗項目，培養(yǎng)學(xué)生實踐能力和創(chuàng)新意識。緊密聯(lián)系企業(yè)，針對智能制造關(guān)鍵技術(shù)協(xié)同創(chuàng)新。培養(yǎng)具有智能系統(tǒng)開發(fā)與設(shè)計、智能裝備的應(yīng)用與工程管理能力；能在智能裝備、智能機器人、智能家居等領(lǐng)域從事智能系統(tǒng)的是開發(fā)與設(shè)計、應(yīng)用于維護、運營與管理的“厚基礎(chǔ)、強應(yīng)用、能創(chuàng)新”的高素質(zhì)工程應(yīng)用型人才。

1專業(yè)實驗平臺建設(shè)思路

面向智能制造專業(yè)實驗平臺的建設(shè)，依據(jù)《廣東省智能制造發(fā)展規(guī)劃（2015-2025年）》中發(fā)展智能裝備與系統(tǒng)，工業(yè)產(chǎn)品、制造流程智能化升級改造的任務(wù)，從智能科學(xué)與技術(shù)知識體系中提取專業(yè)發(fā)展方向的課程，建立完善專業(yè)實踐教學(xué)體系。以“機器智能”為方向建設(shè)人工智能與機器人實驗室為核心，以項目、科技競賽、緊密對接企業(yè)協(xié)同創(chuàng)新為手段，培養(yǎng)學(xué)生能夠運用工程基礎(chǔ)知識和專業(yè)理論知識設(shè)計工程實驗，分析實際問題的能力，培養(yǎng)學(xué)生查詢檢索資料文獻獲取知識的能力，培養(yǎng)學(xué)生能夠綜合運用自然科學(xué)知識、專業(yè)理論知識和技術(shù)手段設(shè)計系統(tǒng)和過程解決實際問題的能力。通過科技競賽等活動，培養(yǎng)學(xué)生在團隊里具有工程組織管理能力、表達能力和人際交往能力。通過與企業(yè)的合作，掌握基本創(chuàng)新方法，并讓學(xué)生具有追求創(chuàng)新的態(tài)度和意識，以培養(yǎng)學(xué)生的綜合素質(zhì)和能力為重點。立足華軟學(xué)院電子系電子信息工程嵌入式專業(yè)、自動化專業(yè)、通信工程專業(yè)現(xiàn)有的平臺優(yōu)勢，按照“整合、集成、共享、提升”的基本思路，完善支撐體系，優(yōu)化驗教學(xué)資源配置，建設(shè)一個能夠與廣東智能產(chǎn)業(yè)深度融合的階梯形層次化實驗平臺。

2實驗平臺建設(shè)內(nèi)容

智能科學(xué)與技術(shù)專業(yè)實驗實踐平臺的建設(shè)要依據(jù)實驗教學(xué)體系的構(gòu)建，突出面向智能制造工程實踐為特色，按照學(xué)生的成長需要，建立階段化、層次化、模塊化的實驗教學(xué)體系。

2.1專業(yè)實踐課程體系建設(shè)

面向智能制造的智能科學(xué)與技術(shù)專業(yè)定位是以工程應(yīng)用型人才培養(yǎng)為目標的，是在通識教育基礎(chǔ)上的特色專業(yè)教育。專業(yè)課程體系的建設(shè)首先還是以培養(yǎng)學(xué)生具有扎實自然科學(xué)基礎(chǔ)知識，人文社會科學(xué)知識和外語應(yīng)用能力為基礎(chǔ)，其次是智能科學(xué)與技術(shù)專業(yè)技術(shù)基礎(chǔ)課程，如數(shù)字系統(tǒng)與邏輯設(shè)計、數(shù)字信號處理基礎(chǔ)、信號與系統(tǒng)、電路分析與電子電路；c語言程序設(shè)計與算法分析、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫與操作系統(tǒng)、微機原理與接口、傳感器與檢測技術(shù)等。最后是專業(yè)方向類課程，也是專業(yè)的核心課程，如制造業(yè)基礎(chǔ)軟件中的嵌入式軟件、工業(yè)控制系統(tǒng)軟件，工業(yè)機器人中人工智能技術(shù)應(yīng)用和智能控制技術(shù)。主要有知識獲取模式識別；數(shù)據(jù)通信與網(wǎng)絡(luò)；嵌入式系統(tǒng)移植和驅(qū)動開發(fā)；嵌入式應(yīng)用開發(fā)；人工智能與神經(jīng)網(wǎng)絡(luò)；智能控制技術(shù)；機器人學(xué)等課程。培養(yǎng)學(xué)生具備計算機技術(shù)、自動控制技術(shù)、智能系統(tǒng)方法、傳感信息處理等技術(shù)，完成系統(tǒng)集成，并配合專業(yè)實踐課程體系如圖1，完成電子工藝實習(xí)、技術(shù)基礎(chǔ)課程、核心課程的課程設(shè)計和綜合項目實驗，并在工程應(yīng)用中實施的能力。

2.2實踐教學(xué)體系建設(shè)

依據(jù)專業(yè)實踐課程體系，構(gòu)建主要包括計算機基礎(chǔ)、電路基礎(chǔ)、信息與控制基礎(chǔ)、嵌入式技術(shù)、機器智能系統(tǒng)五大模塊開展不同學(xué)習(xí)階段層次化的實驗教學(xué)體系。主要包括基礎(chǔ)類、專業(yè)實訓(xùn)類、綜合創(chuàng)新類。

1）基礎(chǔ)類實驗注重開設(shè)與課堂教學(xué)中基本理論相結(jié)合的精品實驗項目，并逐步提升基礎(chǔ)實驗課時的比例。從實踐中啟發(fā)引導(dǎo)學(xué)生牢固掌握基礎(chǔ)理論知識。除此之外，還要注重工作方法和學(xué)習(xí)方法的能力培養(yǎng)，如收集信息查找資料、制定工作計劃步驟、從基礎(chǔ)理論到解決實際問題的思路以及獨立學(xué)習(xí)新技術(shù)的方法和評估工作結(jié)果的方法。培養(yǎng)學(xué)生厚實的專業(yè)基礎(chǔ)知識和能力。

2）專業(yè)實訓(xùn)類實驗主要以項目教學(xué)、案例教學(xué)、情景教學(xué)方式培養(yǎng)學(xué)生利用專業(yè)知識及方法獨立解決行業(yè)領(lǐng)域內(nèi)的任務(wù)和問題并能夠評價結(jié)果的能力。如智能傳感應(yīng)用項目，人工智能技術(shù)實驗項目，知識表示與推理項目，計算智能項目，專家系統(tǒng)，多智能體系統(tǒng)；機器人項目，如最小機電系統(tǒng)組成，如何完成對電機的控制；利用單軸或雙軸控制平臺實現(xiàn)基本搬運裝配作業(yè)。

3）綜合創(chuàng)新類實驗注重培養(yǎng)學(xué)生從理解問題域開始，獲取數(shù)據(jù)和知識、開發(fā)原型智能系統(tǒng)、開發(fā)完整智能系統(tǒng)、評估并修訂智能系統(tǒng)、到整合和維護智能系統(tǒng)六個階段構(gòu)建智能系統(tǒng)。如開展人工智能技術(shù)在智能制造中的應(yīng)用包括產(chǎn)品設(shè)計加工、智能生產(chǎn)調(diào)度、智能工藝規(guī)劃、智能機器人、智能測量等；直角坐標機器人實現(xiàn)碼垛搬運、多關(guān)節(jié)串聯(lián)機器人、弧焊機器人實訓(xùn)等。

4）科技競賽、與企業(yè)協(xié)同創(chuàng)新，通過觀察記錄待智能化升級的工廠生產(chǎn)過程，發(fā)現(xiàn)定義問題、提出假設(shè)、搜集證據(jù)檢驗假設(shè)、發(fā)表結(jié)果、建構(gòu)理論等實驗過程設(shè)計的能力。培養(yǎng)學(xué)生掌握基本創(chuàng)新的方法，團隊協(xié)作管理能力、表達溝通能力等。如嵌入式設(shè)計大賽、機器人大賽等科技競賽；以及針對自動化生產(chǎn)線的嵌入式工業(yè)控制系統(tǒng)設(shè)計；針對原材料制造企業(yè)的集散控制、制造絳屑成應(yīng)用；針對裝備制造企業(yè)的敏捷制造、虛擬制造應(yīng)用；工業(yè)機器人在汽車、電子電氣、機械加工、船舶制造、食品加工、紡織制造、輕工家電、醫(yī)藥制造等行業(yè)的應(yīng)用。

2實驗教學(xué)保障

智能科學(xué)與技術(shù)實驗平臺建設(shè)以人工智能與機器人實驗室建設(shè)為核心，結(jié)合目前學(xué)院嵌入式系統(tǒng)實驗室、自動控制實驗室、傳感器技術(shù)實驗室、通信原理實驗室資源，儀器設(shè)備共享共建的原則，系統(tǒng)化籌備購置。人工智能機器人實驗室主要針對智能系統(tǒng)設(shè)計開發(fā)和機器人應(yīng)用，基于計算機系統(tǒng)的人工智能技術(shù)學(xué)習(xí)應(yīng)用包括人工智能技術(shù)在智能制造應(yīng)用和工業(yè)機器人仿真軟件ABB Robot Studio?；凇疤剿髡摺睓C器人系統(tǒng)控制實訓(xùn)箱Rino-MRZ02（包含履帶機器人、雙輪自平衡機器人、5自由度機械臂、6自由度機械臂等）

可以開展的項目有：利用啟發(fā)式算法、遺傳算法、蟻群算法等模糊數(shù)學(xué)理論對工業(yè)產(chǎn)品設(shè)計進行性能模擬、運動分析、功能仿真與評價；利用人工神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、自組織構(gòu)造產(chǎn)品加工過程新能參數(shù)預(yù)測模型。利用模式識別、機器學(xué)習(xí)、專家系統(tǒng)、多智能體系統(tǒng)進行感知、并對環(huán)境的改變進行解讀、動作進行規(guī)劃和決策；利用專家系統(tǒng)、遺傳算法、模糊邏輯集中式解決生產(chǎn)調(diào)度多目標性、不確定性和高度復(fù)雜性的問題，尋求最優(yōu)規(guī)則，提高調(diào)度的速度；利用蟻群算法、遺傳算法分布式多智能體系統(tǒng)進行問題分解、彼此協(xié)商、任務(wù)指派、解決沖突。

履帶機器人可開展電機控制實驗；運動控制實驗；HD軌跡控制實驗；無線通信實驗。雙輪自平衡機器人呢可開展自平衡模塊實驗；倒立擺算法實驗；雙輪載具運動實驗。6自由度雙足機器人可開展雙足運動控制實驗；步態(tài)規(guī)劃實驗；雙足平衡實驗；機構(gòu)改裝實驗。5自由度機械臂可開展機械臂運動控制實驗；顏色分揀實驗?？蓴U展為8自由度雙足機器人、輪腿式機器人等技能提高類課程設(shè)計。

通過ABB公司的機器人仿真軟件RobotStudio進行工業(yè)機器人的基本操作、功能設(shè)置、二次開發(fā)、在線監(jiān)控與編程、方案設(shè)計和驗證的學(xué)習(xí)。