基于深度学习的图像识别研究

图像识别技术是人工智能的一个重要领域,传统的图像识别方法需要人工设计特征,而深度学习属于神经网络结构,它能够从大数据中自动学习特征,极大的提高了识别准确率以及效率。因此本文着重研究了基于深度学习的图像识别方法,并探讨了卷积神经网络以及深度信念网络的基本模型和原理。     

浅谈深度学习在目标检测中的发展

随着人工智能技术的飞速发展,汽车自动驾驶、无人零售商店等应用正在转变为现实,视频目标检测是人工智能领域中的一个研究热点,当前基于深度学习的目标检测技术已取得许多进展,本文对当前主流目标检测技术进行总结,指出以区域提名为思想和以端到端学习为思想的两大深度学习目标检测方法,同时,重点分析各自的优势和缺点。     

人工智能监管对策思考

基于人工智能的实时性、高效性,目前在金融领域中,人工智能技术得到了快速推广。但是随着人工智能在金融领域的快速发展,其存在的风险问题随之展现出来,为了降低风险问题影响,做好金融领域的人工智能监管工作是非常必要的。本文就结合人工智能的发展现状,重点探究了金融领域人工智能的监管相关对策。     

跨国比较视阈下的人工智能政策：目标、理念与路径

人工智能以其强大的技术辐射效应,日益成为全球经济发展新的强劲引擎。近年来,全球各科技强国纷纷开始探索与本国资源禀赋、发展阶段和治理体系相适应的人工智能发展之路,国家级人工智能政策密集出台。在此背景下,通过对全球科技强国人工智能政策文本的深度挖掘,分别从基于"目标-理念-路径"的静态视角和基于"学习-扩散"的动态视角出发,构建起人工智能领域的跨国比较分析框架,为人工智能政策比较提供了系统化解析思路和理论支撑。研究发现:从静态视角出发,各国人工智能政策在目标、理念和路径方面具有显著的差异化特征;从动态视角出发,各国人工智能政策正呈现出相互借鉴、彼此融合的趋势,政策学习与创新扩散的广度、深度及强度不断提高。     

基于深度学习的数字图书馆文本分类研究

【目的/意义】引入人工智能领域中的深度学习方法来解决数字图书馆中传统文本分类的缺陷,这既是人工 智能领域研究的重点,也是图书馆领域关注的热点问题。【方法/过程】在对数字图书馆传统文本分类进行系统梳理 的基础上,提出基于深度学习的数字图书馆文本分类模型,利用词向量的方法对文本特征进行表示,采用深度学习 模型中的卷积神经网络提取文本信息的本质特征,并进行了实验验证。【结果/结论】实验测试表明,基于深度学习 的文本分类模型可以有效地提高数字图书馆文本分类的准确率和召回率,不仅可以提高数字图书馆内部业务的智 能化程度,还可以提高数字图书馆信息服务的效率和质量。     

从“猜画小歌”看人工智能在小程序游戏中的应用

移动互联网的快速发展为基于深度学习和大数据的人工智能技术提供了丰富的应用场景,而游戏产业作为移动互联网的重要领域之一,必定是人工智能"小试牛刀"之地。在这样的背景下,谷歌开发的"猜画小歌"选择了微信平台最为火热的小程序游戏作为其人工智能的"试金石"。从人工智能在游戏中的发展现状出发,分析了小程序游戏的特征,提出了人工智能在小程序游戏中的应用前景和价值。     

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。     

图像识别深度学习技术展望

随着人工智能技术日益发展,以深度学习为代表的机器学习技术在图像识别领域得到广泛关注。深度学习技术源于神经网络,较传统神经网络技术网络结构层次更为深入,网络参数设置和调整策略更为复杂。本文从深度卷积网络结构、参数调整策略方面出发,回顾了深度卷积网络图像处理技术的发展,分析了影响深度卷积学习效率的关键因素,对限制深度学习技术应用的瓶颈问题进行了探讨,并对未来技术发展给出展望。     

元宇宙视域下在线教育发展探究

元宇宙的出现为构建虚实融生的未来在线教育形态提供了可能。5G网络环境、人工智能等深度交融,不仅为“元宇宙+在线教育”新模式提供了发展方向,同时也优化了教育教学质量,改变了在线教育学习环境。结合元宇宙特征,分析元宇宙创新重塑在线教育的可行性,探究基于元宇宙的在线教育基础设施建设和新型框架的构建,对基于元宇宙在线教育布局提出建议。     

国际社会科学领域人工智能研究演进与前沿

本文利用科学计量工具CiteSpace,对SSCI数据库中1956—2019年的3620篇相关期刊论文进行可视化分析。研究发现:国际社会科学领域人工智能研究呈指数型增长,美国引领了社会科学领域的人工智能研究,中国发文量排名第二但国际学术影响力有待提升;核心研究机构以发达国家高校为主,且各研究群体间缺乏合作与交流;高产作者与高被引作者没有重叠性,差异性较大。在人工智能技术的推动下,社会科学领域相关研究呈现出较强的波段特征,先后经历了早期以专家系统为核心的行业应用研究阶段、中期基于人工神经网络的社会科学问题预测阶段以及当代以深度学习为基础的多元化研究阶段,新需求、新问题和新技术是社会科学领域人工智能研究发展的三大驱动力。高突现关键词表明"大数据"和"互联网"是当前的研究前沿,并有可能成为未来社会科学领域人工智能研究的重要发展方向。     

人工智能技术在机械电子工程领域的应用

在宏观科技发展的主潮流下,我国在人工智能领域的研究取得了巨大成果,并带动了社会生产力的全新提升。而机械电子工作作为我国现代经济建设的重要板块,随着人工智能技术的应用导入,迈入了新的发展时段,相关生产产品质量得到了大幅提升,该类课题研究备受关注和热议。本文基于对人工智能技术的相关概述解析,着重就其在机械电子工程领域的应用进行了探究。     

基于深度学习的信息组织与检索研究综述

【目的/意义】深度学习是近几年来人工智能领域的研究热点之一,了解深度学习在信息组织与检索方面的研究现状,能为信息组织与检索的深入研究提供参考和借鉴。【方法/内容】通过对国内基于深度学习的信息组织与检索方向的相关文献进行梳理,剖析深度学习相关模型、阐述深度学习在信息组织与检索中的研究热点主题,并结合深度学习技术的特点和信息组织与检索的研究内容,对深度学习在信息组织与检索方向的应用前景进行预测。【结果/结论】研究表明,当前深度学习在信息组织与检索中的研究热点主要集中在智能信息抽取、自动文本分类、情感分析和文本聚类这四个主题,预测未来深度学习在信息组织与检索方向会朝着对异构信息处理、智能信息检索、个性化信息推荐等方向发展。     

Science

<正>人工智能改变科学Science封面:科学家的学徒,大数据遇到了对手。Science杂志第6346期封面文章报道了人工智能改变科学。越来越多的领域,收集数据的能力已经超过人类的洞察力和分析。然而,研究者开始逐渐解开人工智能(artificial intelligence,AI),特别在人造神经网络领域的应用。不像早期在AI的尝试,这种"深度学习"的系统不需要一个人类专家知识的编程。相反,     

基于专利地图的人工智能研究总体格局、技术热点与未来趋势

本文基于德温特创新索引数据库,对人工智能专利全球地理分布、主要国家PCT布局、技术热点、未来趋势等进行了分析。研究发现:目前人工智能专利主要分布在北美、东亚和西欧地区;中国专利数量已赶超美国,但大部分集中于技术应用层面,存在结构不均衡问题;人工智能领域的跨国巨头均重视专利全球化布局,国外机构在中国申请的专利已近中国专利总数的50%;大数据、云计算、深度学习、语音识别、图像识别、人机交互等是当前人工智能领域的热点技术;智能机器人、智能医疗、智能金融、智能安防、智能教育、智能驾驶6个方面的新兴技术主题,与人工智能热点技术存在较强的交叉关联,创新机构需对上述热点与新兴技术加以重点关注。本研究可为中国相关企业与政府机构进行人工智能技术前瞻性布局与创新引导政策的制定提供参考。     

病理图像分析的深度学习方法研究综述

数字病理在临床诊断中的普及为人工智能在病理学中的应用创造了条件。由于强大的建模表征能力,深度学习技术在计算病理学中得到广泛应用,在改善疾病诊断方面展现了巨大潜力。本文回顾了深度学习和病理图像分析相结合的应用,并概述了三个关键任务的领域进展,包括分类、分割和检测。针对每一个任务,介绍了相关的临床价值、技术难点、以及主流的算法设计等。目前病理人工智能算法已经取得了一些令人瞩目的成果,但仍未达到临床应用的标准。本文分析了将人工智能技术从研究转化为临床应用时面临的挑战以及未来研究方向。     

人工智能背景下现有技术内涵的界定

随着算法、大数据、深度学习等技术的发展,人工智能自主发明创造将成为现实.人工智能具有远超人类的信息处理和披露能力,未来将有海量的技术信息进入公有领域,对于如何将人工智能自主生成物纳入现有技术的范围存在诸多困难.本文认为,人工智能背景下的现有技术应当是自然人从符合法律规定的公开中能够解读出的技术信息和有助于理解技术信息的...     

基于深度学习的AIT智能交通系统

随着我国汽车保有量的不断增加,城市地面交通现状收到社会的重点关注,交通拥堵已经成为非常棘手的问题。在人工智能发展背景下,提出以人工智能为基础,采集交通信息,并进行深度学习并处理,达到采集、分析、处理、控制交通系统的目的,形成基于深度学习的AIT智能交通系统。通过建立AIT智能交通系统,达到对我国交通系统的智能化管理,达到交通的最优化设计。     

人工智能验证平台综述

近年来,随着硬件性能、软件算法的不断提升完善,互联网大数据的广泛应用以及基于云平台的大规模计算能力的不断突破,以深度学习为核心的人工智能发展迅猛。作为人工智能理论技术在相关应用背景下的具体体现,人工智能验证平台具有推动各产业智能化改造、转型升级和推动产业革命进一步深化的重要作用。基于第216期双清论坛"人工智能挑战性科学难题及颠覆性技术"主题下的报告和讨论,本文分析了人工智能验证平台的基础关键技术的发展现状和局限,探索人工智能验证平台的未来发展方向。     

基于人工智能专利图谱的技术热点发现以及演化分析

人工智能在近几年快速发展并成为最热门的技术之一,如能快速了解人工智能技术热点与发展态势,对抢抓人工智能发展的重大战略机遇与构筑先发优势具有重要意义。本文提出了一种基于专利可视化图谱发现技术热点的方法,即在连续时间窗口上绘制图谱,在此基础上运用密度分布变化来识别该领域技术热点。为了提升专利图谱的准确性,本文使用海量专利文本训练了基于深度学习的doc2vec模型,形成了专利文本特征抽取模型。经过实验对比发现该模型在测试数据集中表现远超经典的词袋模型与主题模型。在实例分析中使用了2012—2019年10457件三方人工智能专利进行热点发现,共发现研究热点7个,并对7个热点中关键概念词、专利申请人所属国家进行深入分析。     

突破自动学习瓶颈 开启产业智能引擎

<正>自人工智能诞生以来,机器学习作为实现人工智能的途径,其主要宗旨是：通过研究使用计算机模拟或实现人类学习活动。经过几十年的创新发展,机器学习不仅在基于知识的系统中得到应用,而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域也得到了广泛应用,越来越受到产业界的高度重视。随着大数据智能时代到来,2017年国务院印发了《新一代人工智能发展规划》,明确将机器学习研究布局作为新一代人工智能前沿基础理论研究主题之一,新一轮智能产业变革的核心驱动力,重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新技术。在这一背景下,如何探索大数据机器学习理论,突破多模态庞大异构数据深度理解瓶颈,更高效地从杂乱无章数据中自动生成高价值知识,成为当前机器学习领域研究的前沿主题。