重新找回人工智能的可解释性

针对深度神经网络AI研究的可解释性瓶颈，指出刚性逻辑（数理形式逻辑）和二值神经元等价，二值神经网络可转换成逻辑表达式，有强可解释性。深度神经网络一味增加中间层数来拟合大数据，没有适时通过抽象把最小粒度的数据（原子）变成粒度较大的知识（分子），再把较小粒度的知识变成较大粒度的知识，把原有的强可解释性淹没在中间层次的汪洋大海中。要支持多粒度的知识处理，需把刚性逻辑扩张为柔性命题逻辑（命题级数理辩证逻辑），把二值神经元扩张为柔性神经元，才能保持强可解释性。本文详细介绍了从刚性逻辑到柔性逻辑的扩张过程和成果，最后介绍了它们在AI研究中的应用，这是重新找回AI研究强可解释性的最佳途径。     

基于可穿戴加速度传感器的人体运动状态识别研究

探讨以加速度传感器模块监测人体运动状态的智能服装,提出一种识别人体运动状态的方法。该方法通过对采集到的数据进行处理,求取人体日常活动状态合加速度的平均值、标准差、峰峰值和平均偏差,从而有效识别人体日常活动的慢走、快走、上下楼梯以及跑步和跌倒,用快速傅里叶变换的方法求取慢走、快走和跑步的时域图对应的频谱图,分析它们的运动频率,从而更加准确的区分走路和跑步。为减少对跌倒的误判,对跌倒过程进行分析,用跌倒阈值以及加速度传感器初始状态位置的改变和跌倒后人体的倾角来对跌倒进一步进行判断。研究表明该方法应用在智能服装中可有效区分人体慢走、快走、跑步、上下楼梯和跌倒。     

一种可配置的过滤文本流的方法

在输入文本流中部分字符串不能被分析器分析的情况下,提出一种可配置的过滤文本流的方法,使输入文本流能够被分析器分析。可通过定义配置文件对处理过程进行约束,删除或修改不能识别的字符串,消除输入文本流中的不可分析内容。向输出文本流中插入分析器支持的动作信息,从而能够控制分析器的运行状态,增强了开发人员控制分析器状态的能力。     

八片联动可开启屋盖研究 ——以杭州奥体网球中心为例

杭州奥体网球中心决赛馆在最原始的设计形态中与体育场遥相呼应,包含"大小莲花"两座球场。然而场馆的进一步提升又几经波折,经历了"网球场固定屋盖之上要不要加开启——采用什么方式开启——如何实现开启"的涅槃史。着重论述了杭州奥体网球中心决赛馆可开启屋盖从无到有,并紧密结合特殊造型,挑战技术高度的研究过程。