网络搜索智能化

不管你选用哪款工具,很快你就能和上网搜索却无功而返的日子说再见了。     

神经网络结构搜索前沿综述

深度学习已经在多个领域得到了广泛的使用,并取得了令人瞩目的成绩。然而优秀的网络结构设计在很大程度上仍然依赖于研究者的先验知识和大量的实验验证,整个过程对于人力、算力等资源消耗巨大。因此,能否让计算机自动地找到最适用于当前任务的神经网络结构成为了当前研究的热点。近年来,研究人员对神经网络结构搜索(Neural Architecture Search, NAS)进行了各种改进,相关研究工作复杂且丰富。为了让读者对神经网络结构搜索方法有更清晰的了解,该文从神经网络结构搜索的三个维度：搜索空间、搜索策略和性能评估策略对现有方法进行了分析,并提出了未来可能的研究方向。     

深度程序理解视角下代码搜索研究综述

代码搜索任务旨在通过分析用户需求,结合用户意图来找到满足其需求的软件构件。在加强软件复用性的同时,提高软件开发维护效率,降低成本。与传统的文档检索不同,程序特性往往隐含在标识符和代码结构中,理解程序功能是实现高效代码搜索的关键。从深度程序理解视角切入对代码搜索任务进行定义,并总结梳理近期代码搜索研究进展。针对当前代码搜索研究评估方法和数据集进行了整理。针对研究中存在的问题,对未来代码搜索研究进行展望,为后来研究者提供参考。     

面向联盟企业的智能化专业搜索体系设计与实现

1.引言联盟企业是指在日益激烈的市场竞争中具有不同、互补的技术和生产能力的企业间为响应市场需求而进行动态联合的方式,是一种随着市场需求变化的可重构、可重用、可扩展的动态组织形态。其成员或网络用户是否通过协同网络在分布式组织结构中高效、快捷地获得用户需求、用户定单、产品市场前景和企业生产资源、加工能力、产品资源信息以及虚拟企业内各单元的生产状况、数据、文档等信息,将直接影响     

神经结构搜索的研究进展综述

近年来,深度神经网络(DNNs)在许多人工智能任务中取得卓越表现,例如计算机视觉(CV)、自然语言处理(NLP).然而,网络设计严重依赖专家知识,这是一个耗时且易出错的工作.于是,作为自动化机器学习(AutoML)的重要子领域之一,神经结构搜索(NAS)受到越来越多的关注,旨在以自动化的方式设计表现优异的深度神经网络模...     

实体搜索综述

与传统的以网页页面集合的方式呈现搜索结果不同,实体搜索的结果是实体或实体集合,其优点是无需用户在纷杂的网页里面进行二次查找,更能提升用户的搜索体验.实体搜索的任务可以分为相关实体搜索和相似实体搜索.本文对近年来这两类任务的实体搜索技术进行综述.首先给出了实体搜索的形式化的定义,并介绍了常用的评测指标;然后对两种不同形式的实体搜索任务在两类数据源(非结构化数据集和结构化数据集)上的主要研究方法进行详细阐述和对比;最后对未来的研究内容和发展方向进行了探讨和展望.     

搜索，搜索，再搜索

当前，搜索已经取代门户成为人们互联网的入口，而在未来内容爆炸时代，搜索更将无所不在，音视频的搜索、智能化技术也将飞速发展。     

可编程序控制器在智能化温室系统中的应用

介绍了ＰＬＣ在智能化温室控制系统中的应用，重点介绍部分硬件功能的软件实现。运行表明，该系统功能完善，运行稳定，易于操作。     

RTlogP_2～T优势区相图的智能化程序系统

本文介绍了计算机绘制M-A-B体系的RTlogP_i～T(或logP_i～1/T)优势区相图的智能化程序系统,它是用FORTRAN语言编制的通用程序。此法具有要求用户输入信息量少,计算速度快,直接输出图形等优点。并对F_e-S-O,Cu-S-O,F_e-C-O及Pb-S-O等体系进行了数十张图的实例计算。     

PCC与机械设备的智能化

１前言高水准机械设备的特征是设备智能化及操作简单化,而这一特征是否得以完美地体现,就取决于控制系统硬件的选取和软件智能程度的综合．ＰＣＣ（可编程计算机控制器）是贝加莱公司早在１９９４年推出的新一代硬件平台,在欧美得到了机械自动化同行的普遍认同。自贝加莱公司１９９６年进入中国市场以来,ＰＣＣ在塑料机械、包装机械、印刷机械、特种机械等行业逐渐被广泛采用。２ＰＣＣ与传统的ＰＬＣ之比较为了对ＰＣＣ的特点有一个较为全面的了解,将其与传统的ＰＬＣ作一比较,由表１可见ＰＣＣ有明显的优势。融合了大型计算机的分析…     

Intelligent Search Methods for Software Maintenance

This paper describes a study of what we call intelligent search techniques as implemented in a software maintenance environment. The techniques studied include abbreviation concatenation and abbreviation expansion. We also describe rating algorithms used to prioritize the query results. To evaluate our approach, we present a series of experiments in which we compare our algorithms' ratings of results to ratings provided by software engineers.     

Windows平台恶意软件智能检测综述

近年来,恶意软件给信息技术的发展带来了很多负面的影响.为了解决这一问题,如何有效检测恶意软件则一直备受关注.随着人工智能的迅速发展,机器学习与深度学习技术逐渐被引入到恶意软件的检测中,这类技术称之为恶意软件智能检测技术.相比于传统的检测方法,由于人工智能技术的应用,智能检测技术不需要人工制定检测规则.此外,具有更强的泛化能力,能够更好地检测先前未见过的恶意软件.恶意软件智能检测已经成为当前检测领域的研究热点.主要介绍了当前的恶意软件智能检测相关工作,包含了智能检测所需的主要环节.从智能检测中常用的特征、如何进行特征处理、智能检测中常用的分类器、当前恶意软件智能检测所面临的主要问题4个方面对智能检测相关工作进行了系统地阐述与分类.最后,总结了先前智能检测相关工作,阐明了未来潜在的研究方向,旨在能够助力恶意软件智能检测的发展.     

智慧型互动搜索引擎技术的研究进展

介绍了搜索引擎技术的发展概况和目前新兴的采用智慧型互动搜索技术的国内网站,然后对智慧型互动搜索技术的原理做出分析,最后介绍了互动搜索引擎技术在图像视频检索上的应用.     

软件故障静态预测方法综述

软件故障静态预测通过从项目数据中提取度量信息预测故障,以便于测试和验证资源的分配。从可用度量数据和预测模型两个方面总结了软件故障静态预测方法,可用度量包括方法层、类层、构件层、文件层以及过程层度量,预测模型分为机器学习和统计方法两类;总结了性能评价指标、度量数据可得性以及故障分类对故障预测的影响等需要进一步研究的问题。     

软件缺陷自动修复技术综述

软件缺陷是软件开发和维护过程中不可避免的.随着现代软件规模的不断变大,软件缺陷的数量以及修复难度随之增加,为企业带来了巨大的经济损失.修复软件缺陷,成为了开发人员维护软件质量的重大负担.软件缺陷自动修复技术有希望将开发者从繁重的调试中解脱出来,近年来成为热门的研究领域之一.搜集了 94篇该领域最新的高水平论文,进行了详...     

一种融合程序员和神经网络的自动化程序生成方法

程序生成是人工智能的核心研究问题之一, 当前输入-输出样例驱动的神经网络模型是非常流行的研究方法.面临的主要挑战是泛化能力差、生成程序准确率保证、难以处理复杂程序结构(如分支、循环、递归等), 主要原因是模型的输入信息单一(输入-输出对)和完全依赖神经网络.显然单一地通过输入输出样例倒推程序行为存在歧义性, 而神经网络的记忆容量很难满足常规程序的变量存储需求.提出一种人工与神经网络生成相协作的编程模型, 融合神经网络和程序员各自的优势, 其中程序员用高级编程语法编写程序框架, 神经网络自动学习生成程序局部的琐碎细节, 从而促进自动化程序生成方法更好地应对实际应用挑战.实验表明, 研究方法是有效的, 跟同类代表性研究方法相比表现出更好的学习性能.     

招生网站智能化搜索算法研究

本文探索了几种智能化检索方法,其中重点介绍了基于内容的图像检索,以提高搜索精度、加快搜索速度,为用户提供准确、智能的搜索结果,也让招生网站更加人性化、智能化。     

基于语义理解的智能搜索引擎的研究

目前网络上的搜索引擎主要是基于关键词索引查询技术设计的,这种技术的搜索范围很大,但由于关键词难以表达丰富的概念,导致查询效率很低。而基于语义理解的智能搜索引擎解决了传统搜索引擎中"忠实表达"和"表达差异"的问题,极大的提高了查找效率。基于语义理解的智能搜索引擎必将成为未来的研究热点。     

代码知识图谱构建及智能化软件开发方法研究

智能化软件开发正在经历从简单的代码检索到语义赋能的代码自动生成的转变,传统的语义表达方式无法有效地支撑人、机器和代码之间的语义交互,探索机器可理解的语义表达机制迫在眉睫.首先指出了代码知识图谱是实现智能化软件开发的基础,进而分析了大数据时代智能化软件开发的新特点以及基于代码知识图谱进行智能化软件开发的新挑战;随后回顾了智能化软件开发和代码知识图谱的研究现状,指出了现有智能化软件开发的研究仍然处于较低水平,而现有知识图谱的研究主要面向开放领域知识图谱,无法直接应用于代码领域知识图谱.因此,从代码知识图谱的建模与表示、构建与精化、存储与演化管理、查询语义理解以及智能化应用这5个方面详细探讨了研究新趋势,以更好地满足基于代码知识图谱进行智能化软件开发的需要.     

基于机器学习的软件漏洞挖掘方法综述

软件复杂性的增加,给软件安全性带来极大的挑战.随着软件规模的不断增大以及漏洞形态多样化,传统漏洞挖掘方法由于存在高误报率和高漏报率的问题,已无法满足复杂软件的安全性分析需求.近年来,随着人工智能产业的兴起,大量机器学习方法被尝试用于解决软件漏洞挖掘问题.首先,通过梳理基于机器学习的软件漏洞挖掘的现有研究工作,归纳了其技术特征与工作流程;接着,从其中核心的原始数据特征提取切入,以代码表征形式作为分类依据,对现有研究工作进行分类阐述,并系统地进行了对比分析;最后,依据对现有研究工作的整理总结,探讨了基于机器学习的软件漏洞挖掘领域面临的挑战,并展望了该领域的发展趋势.