BP人工智能神经网络拓扑结构及算法

论述了BP神经网络模型拓扑结构及其算法,给出了BP网络正向传播和反向传播的函数,BP网络的结构确定,提出了BP网络运算的改进方案。     

基于智能诊断的人工智能神经网络运用

智能诊断技术是对人类思维模式进行模拟,对监测目标进行联动分析,以保证数据信息分析的精准性。文章对智能诊断技术进行论述,对其思维模式、诊断原理、技术特性等进行分析,并对人工智能神经网络系统的实际应用进行研究。     

对人工智能中的类神经网络方面的研究与探讨

本文主要研究和探讨有关人工智能中的类神经网络的基本特性,以及类神经网络与影像处理的联系与应用,阐述了类神经网络在许多领域的应用潜力和很好的发展前景。     

人工智能与网络安全

本文简要介绍了计算机网络安全的概念以及网络中存在的安全隐患,然后介绍了人工智能在解决这些问题时的优势,在网络安全中的应用技术,最后重点介绍了人工智能在入侵检测方面的应用。     

计算机与人工智能

人的智能和计算机比较起来,任何一方都有便利的一面,也有不便利的一面。人能推理、学习,能够记起很远的一些事物,但又会忘掉昨天刚学过的一些东西!而计算机能随时提取贮存的信息,但又不能象人的智能那样地工作。一台计算机能贮存许多信息,但是计算机不能主动交流信息,它需要靠人的智能去完成     

人工智能与土木工程

本文主要讨论了土木工程在材料、设计、施工和监控量测等方面所体现出的的智能化趋势以及目前所面临的一些挑战。在此基础上,对未来土木工程的人工智能化进行了畅想。     

深度学习与人工智能

"人工智能"一词自1956年确定下来,开始飞速发展。它的出现是计算机领域的一个大突破,同时也在很多其它领域起着作用。而当前,机器学习方法最受人瞩目的就是深度学习,它推动人工智能不断前进。     

人工智能与智慧医疗

现如今,随着人们健康意识的日益提高和人工智能技术的逐步成熟,人工智能技术在医疗领域的应用已经在理论和实践上取得了诸多成果。无疑,以人工智能技术为内核的智慧医疗模式将是未来医疗领域发展的大方向。本文基于已有的智慧医疗研究成果和典型案例,总结了智慧医疗发展的现状;也对智慧医疗在发展过程中遇到的问题进行了归纳和总结;同时,针对问题提出了一系列对策性建议。     

人工智能与因果语言

对因果的理解是人类认知最普遍也是最不可或缺的一环.如何让蠢笨的机器人理解因果、进行有效的因果交流是实现智能的关键一步.图灵奖得主珀尔(Judea Pearl)给出了因果"推断引擎"的蓝图,而这个蓝图最关键也是最初始的设想就是因果语言的构建.首先,本文将阐述因果语言的源起;其次,通过与物理语言和概率语言的比较,来说明因果语言的特点;再次,通过与随机对照实验相比较说明因果语言作用为何;最后,说明引入因果语言的意义及其应用价值.     

人工智能与智能机器人探析

人工智能(AI)是研究使计算机来模拟人的某些思维过程和智能行为的学科,是二十一世纪三大尖端技术之一。AI未来的发展必将越来越广泛,越来越深入,越来越快地向着人类智能的方向逼近。伴随着人工智能和智能机器人的发展,为人类文化生活提供了新的模式。     

强人工智能与泛心论

泛心论近年来备受瞩目,查尔默斯等人注意到,强人工智能势必会导致某种很强的泛心论观点.但是这种泛心论高度依赖信息概念或计算概念的适当阐释,可以说是一种以泛计算主义为基础的泛心论,与当前典型形态的泛心论有着重要的区别.强人工智能并不能为这种典型形态的泛心论提供实质性的支撑.同样,典型形态的泛心论也不能直接为强人工智能提供佐证.     

人工智能与智能进化

人工智能最大的意义在于对人类智能的深刻理解和积极影响,尤其是对未来人类智能进化方式的改变,即人工智能的发展将促使人类智能的进化方式发生进化。     

人工智能与嫌犯追踪

<正>人工智能(AI)已经广泛并且深入地介入人类的生活,其中的人脸识别技术更是渗透和应用于各个领域,比如:司法、刑侦(刑事鉴识)、电子护照及身份证、金融和保险业的自助服务、IT和网络的安全保护等。近日发生的一件备受关注的案件,也体现了AI特别     

人工智能

量子轨道杂化表征干酪根成熟度的机器学习研究中国科学院力学研究所非线性力学国家重点实验室赵亚溥研究团队通过机器学习方法提取13C NMR谱图中的轨道杂化和化学键信息,预测干酪根的热成熟度。相关成果发表于《燃料》（Fuel）。国产油气资源不足制约经济发展,威胁能源安全。提升页岩油气的开发利用率是力学学科的“卡脖子”问题。干酪根是油气的生成母质和主要赋存介质,热成熟度是评价油气生成潜力的重要指标之一,定量描述干酪根成熟度演化的理论模型是油气勘探及原位催熟的理论基础,也是指导油气增产的关键科学问题。文章提出了一种新的基于轨道杂化的干酪根成熟度指数（OrbHMI）,并与分子成熟度指数（MMI）和模型预测值进行比较。