一种基于程序理解的N-S图生成算法

程序理解是计算机自动实现程序源码分析、获得程序结构相关知识的技术,在程序理解信息提取的基础上,针对程序函数级以下结构的源码分析,运用计算机可视化技术,提出一种N-S图表示程序函数的算法,运用该算法可解决图元设计、图元缩放与定位、图元嵌套等问题。算法运行结果表明,该算法能够快速有效地生成N-S图,提高程序理解的效率。     

人工智能的应用及困惑

知识获取、知识表示和知识利用成为人工智能的中心问题.但在当前的智能系统中,他们都极不完善.本文通过对人工智能的四大应用领域:专家系统、智能教学系统、自然语言理解及自动程序设计进行分析,说明了在人工智能的应用领域中困难重重.     

面向对象程序的类信息的抽取规则

通过计算机自动实现对程序的理解是目前国内外研究的热点内容。以面向对象程序为研究对象,提出了一种从面向对象程序中抽取类信息的规则,利用该规则可以将程序中的类以及其它程序信息抽取出来,并以UML类图形式表示出来,进而为计算机自动实现对程序的理解奠定基础。在本文中描述了产生UML类图中的各类规则,包括了类、属性、操作、对象、关系、继承、关联和接口等。最后介绍了该规则的一个应用实例。     

图像理解

图像理解是从图像中自动提取信息的一门科学，该学科的基本技术包括图像组成模型化、图像建立和数据可视化。对于开发基于输入图像解释来做出决策的人工智能系统来说图像理解是一个重要环节。该文就知识在航空图像理解系统中的作用进行了探讨，主要介绍了自动理解中的知识表示和控制结构，并通过一个机场的例子，说明图像解释中通用知识的应用，进一步强调图像理解中知识运用的重要性。     

一种基于格局的程序分析方法

本文提出了一种自动程序分析方法，其基本思想是程序可以看成由一组基本成分根据特定的构造方式来构成，从而可以通过提供一组标准的分析方法，实现对程序的自动分析与理解．     

人工智能与软件工程的交叉

人工智能和钦件工程的交叉多年来一直是个十分活跃的研究领域。人工智能在软件工程上的应用至少在两个方面是令人感兴趣的。一是,人工智能对软件工程具有实际的重要性。人工智能技术可以提高程序员的生产率和程序的可靠性达一个数量级。二是,软件工程已被证明是一个推动人工智能研究的领域。试图把人工智能技巧应用到程序设计任务方面已促进了知识表示和自动推理的进一步发展。     

基于图形识别的建筑图钢筋自动统计系统CSC

介绍了一个建立于图形理解基础上的钢筋自动统计系统CSC。CSC系统充分利用图形识别技术与人工智能方法,其实现可分为两个阶段：1）利用图形识别技术与非精确推理等方法,实现建筑符号的自动识别。2）采用基于动态数据库的知识表示与推理方法,结合建筑领域的专业知识实现钢筋用量的自动统计。     

基于程序理解的编程题自动评分方法

针对传统的编程题自动评分方法没有考虑学生程序是怎样实现编程任务的,以及不能从程序文本的语法结构和语义角度衡量学生程序与正确答案的接近程度等问题,提出一种基于程序理解的自动评分方法.以程序理解的一般过程及基本策略为依据,结合人工阅卷的思维过程,建立评分模型.评分过程可划分为3个阶段:首先将程序代码转换成系统依赖图中间表示形式;然后,对系统依赖图进行标准化转换,消除程序表达方式的多样性;最后,匹配标准化后的学生程序与模板程序系统依赖图并根据匹配结果给出评分.该方法被应用于"C语言编程题自动评分系统"中.实验结果表明:它可以根据学生程序的语法和语义衡量学生程序实现编程任务的正确程度,具有较高的准确性.     

C语言声明语句的文字描述和可视化表示

C语言复杂的声明语句难以理解。为此,提出一种程序理解算法,自动地对C语言声明语句进行部分语义文字描述和可视化表示。引入图元和解释2个概念,构成该程序理解算法的理论基础,这些概念同样可应用于程序理解算法的其他方面。实验结果表明,声明语句的文字描述和可视化表示能够有效提高程序可读性。     

面向智能CAD的分层构造自动型方法

本文着重对由抽象符号转化成具体形体的技术作了研究，提出了分层构造的自动造型方法．它支持直接由抽象的设计方案自动生成设计结果的三维表示，因而更适合于以辅助方案设计为核心的智能ＣＡＤ系统．一个基于该自动造型方法的椅子智能ＣＡＤ实验系统已在浙江大学人工智能研究所投入运行．     

InParS: an experimental intelligent parallelization system

In this paper we discuss the design and implementation of an intelligent program parallelization system, called InParS. This system in based on intelligent parallelization models proposed by many researchers in the area of parallelizing compilers. The presented experiment is one of few attempts toward investigating the viability of artificial intelligence techniques in automatic program parallelization. The early version of InParS was aimed at transforming Fortran-like DO loops into a vector code well-suited for vector processors. The new version of InParS targets distributed memory parallel computers. Some preliminary research results are also presented, which give an indication of how incorporating artificial intelligence techniques can contribute towards the success of automatic program parallelization.     

Artificial Driving Intelligence and Moral Agency: Examining the Decision Ontology of Unavoidable Road Traffic Accidents through the Prism of the Trolley Dilemma

The question of the capacity of artificial intelligence to make moral decisions has been a key focus of investigation in robotics for decades. This question has now become pertinent to automated vehicle technologies, as a question of understanding the capacity of artificial driving intelligence to respond to unavoidable road traffic accidents. Artificial driving intelligence will make a calculated decision that could equate to deciding who lives and who dies. In calculating such important decisions, does the driving intelligence require moral intelligence and a capacity to make informed moral decisions? Artificial driving intelligence will be determined by at very least, state laws, driving codes, and codes of conduct relating to driving behaviour and safety. Does it also need to be informed by ethical theories, human values, and human rights frameworks? If so, how can this be achieved and how can we ensure there are no moral biases in the moral decision-making algorithms? The question of moral capacity is complex and has become the ethical focal point of this technology. Research has centred on applying Philippa Foot’s famous trolley dilemma. We claim that before applications attempt to focus on moral theories, there is a necessary precedent to utilise the trolley dilemma as an ontological experiment. The trolley dilemma is succinct in identifying important ontological differences between human driving intelligence and artificial driving intelligence. In this paper, we argue that when the trolley dilemma is focused upon ontology, it has the potential to become an important elucidatory tool. It can act as a prism through which one can perceive different ontological aspects of driving intelligence and assess response decisions to unavoidable road traffic accidents. The identification of the ontological differences is integral to understanding the underlying variances that support human and artificial driving decisions. Ontologically differentiating between these two contexts allows for a more complete interrogation of the moral decision-making capacity of the artificial driving intelligence.     

人工智能软件系统的非功能属性及其质量保障方法综述

随着神经网络等技术的快速发展,人工智能被越来越多地应用到安全关键或任务关键系统中,例如汽车自动驾驶系统、疾病诊断系统和恶意软件检测系统等.由于缺乏对人工智能软件系统全面和深入的了解,导致系统时常发生严重错误.人工智能软件系统的功能属性和非功能属性被提出以加强对人工智能软件系统的充分认识和质量保障.经调研,有大量研究者致力于功能属性的研究,但人们越来越关注于人工智能软件系统的非功能属性.为此,专注于人工智能软件系统的非功能属性,调研了138篇相关领域的论文,从属性定义、属性必要性、属性示例和常见质量保障方法几个方面对目前已有的研究工作进行系统的梳理和详细的总结,同时重新定义和分析了非功能属性之间的关系并介绍了人工智能软件系统研究中可以用到的开源工具.最后,展望了人工智能软件系统非功能属性的未来研究方向和挑战,以期为该领域的研究人员提供参考.     

自然语言理解的机器认知形式系统

自然语言理解是人工智能研究中的热点和难点之一。基于现有的相关理论,本文提出自然语言理解的形式化定义,以及改进相关的公理系统,从而统一“意思理解”和“道理理解”等两种理解类型。通过设计、开发和运行“篇章理解原型程序”,验证理论成果的正确性和有效性。     

A framework for artificial intelligence applications software development

Despite the promise and prominence of artificial intelligence, successful widely-based applications have been rare. Much of previous artificial intelligence work has concentrated on the demonstration of techniques rather than the development of tools that can be used in systems design, analysis and operation. A systematic program of knowledge compilation in artificial intelligence is proposed where extensible function libraries can be used by professionals in various fields and non-programming specialists in developing artificial intelligence applications.     

人工智能及其发展应用

人工智能是人类进入信息产业革命时代,达到认识和改造客观世界能力的高峰。文章从理论的角度介绍了人工智能的概念和发展沿革,并对现阶段人工智能研究领域的主要研究方向进行了介绍,最后分析了研究所取得的主要成果。     

人工智能的虚拟仿真技术研究

由于科技发展不断进步,人工智能的虚拟仿真技术也随之迅速发展起来。在过去的十多年,吸引人们最多的 两项技术是虚拟仿真技术的专研以及人工智能技术的专研,在进行这两项技术专研时,智能虚拟环境是发现这两项技术共同 点的主要因素。本文对人工智能的虚拟仿真技术进行分析,找出人工智能的虚拟仿真技术存在的问题,进而深入了解了人工 智能的虚拟仿真技术的建模方式。     

基于人工神经网络的药物销售预测

介绍了基于人工神经网络的算法及其在药物销售额预测中的应用,详细讨论了该方法的原理、算法以及软件实现。     

多区间速度约束下的时序数据清洗方法

为进一步优化推广大数据及人工智能技术,作为数据管理与分析的基础,数据质量问题日益成为相关领域的研究热点.通常情况下,数据采集及记录仪的物理故障或技术缺陷等会导致收集到的数据存在一定的错误,而异常错误会对后续的数据分析以及人工智能过程产生不可小视的影响,因此在数据应用之前需要对数据进行相应的数据清洗修复.现存的平滑修复方法会导致大量原本正确的数据点过度修复为异常值,而基于约束的顺序依赖方法以及SCREEN方法等也因为约束条件较为单薄而无法对复杂的数据情况进行精确修复.本文基于最小修复原则进一步提出了多区间速度约束下的时间序列数据修复方法,并采用动态规划方法来求解最优修复路径.具体来说,本文提出了多个速度区间来对时序数据进行约束,并根据多速度约束对各数据点形成一系列修复候选点,进而基于动态规划方法从中选取最优修复解.为验证上述方法的可行性和有效性,本文采用一个人工数据集,两个真实数据集以及一个带有真实错误的数据集在不同的异常率及数据量下对上述方法进行实验.由实验结果可知,相较于其他现存的修复方法,本文方法在修复结果及时间开销方面均有着较好的表现.进一步,本文对多个数据集通过聚类及分类精确率的验证来表明数据质量问题对后续数据分析及人工智能的影响至关重要,本方法可以提升数据分析及人工智能结果的质量.     

集对分析在人工智能中的应用与进展

人工智能是我国发展战略,集对分析从自主原创角度为人工智能提供一种基础性思路,具有重要意义。集对分析把确定的数学计算与不确定性系统分析有机结合,已在人工智能基础、模式识别、不确定性推理、智能决策、知识生态学、自然语言理解、专家系统、神经网络、智能工程、智能社会网络社区划分与演化等研究中得到应用。本文在概述集对分析的原理和联系数之后,综述集对分析在人工智能中的应用和进展,以期推动集对分析在人工智能中的进一步应用。