智能集群系统的强化学习方法综述

智能集群系统是人工智能的重要分支，所涌现出的智能形态被称为集群智能，具有个体激发时的自组织性和群体汇聚时的强鲁棒性等特征.智能集群系统的协同决策过程是融合人-机-物，覆盖多元空间，囊括感知-决策-反馈-优化的复杂非线性问题，具有开放的决策模型和庞大的解空间.然而，传统的算法依赖大量的知识与经验，使其难以支持系统的持续演化.强化学习是一类兼具感知决策的端到端方法，其通过试错的方式不断迭代优化，具有强大的自主学习能力.近些年来，受生物群体和人工智能的启发，强化学习算法已由求解个体的决策问题，向优化集群的联合协同问题演进，为增强集群智能的汇聚和涌现注入了新动能.但是，强化学习在处理集群任务时面临感知环境时空敏感、群内个体高度自治、群间关系复杂多变、任务目标多维等挑战.本文立足于智能集群系统的协同决策过程与强化学习运行机理，从联合通信、协同决策、奖励反馈与策略优化四个方面梳理了强化学习算法应对挑战的方法，论述了面向智能集群系统的强化学习算法的典型应用，列举了相关开源平台及其适用算法.最后，从实际需求出发，讨论总结了今后的研究方向.     

机器人和软件人协同智能仿真平台研究

研究将软件人所具备的更全面的拟人智能、行为、功能应用到机器人的控制系统中以提升机器人的环境感知、动态决策与规划能力.设计了机器人和软件人平行进化、智能协调、协同仿真系统的总体方案,建立了两级大系统的多层状态空间模型,进行了协同仿真平台的体系结构设计,构建了机器人和软件人的两级平行系统:协调管理级(上级),监控软件人与机器人平行系统;局部控制级(下级)控制软件人与机器人平行系统.     

一种新型群智感知系统架构模型和实现方法

物联网移动群智感知模式本质是汇聚大规模普通移动个体的智能感知能力,对开放、动态、复杂物理环境进行感知,通过感知大数据的智能分析,对感知群体引导和反馈,使其持续涌现群体智能并辅助综合决策.目前的群智感知系统仍然存在个体感知欠智能、群体目标少引导、群智过程弱调控三方面的局限性.本文首先讨论了群智感知研究现状和面临的挑战;结合人机物融合、云边端协同、感算控闭环3个核心发展趋势,提出一种智能演进与反馈引导结合的新型群智感知系统架构模型Evo-CPS,并研究了该模型的实现方法;然后结合智慧出行应用场景,将所提出的理论方法进行应用验证;最后,总结全文并展望新一代群智感知研究领域的发展方向.     

2022年组稿方向

2022年将特别关注人工智能+、物联网与5G、区块链、量子计算、大数据、隐私安全保护等技术的融合应用。本年度组稿包括但不仅限于以下方向:人工智能:多模态/跨模态学习、大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与优化决策、统计学习、联邦学习、因果推理、类脑智能计算、量子智能计算、智能机器感知与模式识别、自然语言处理与理解、知识图谱、机器人与智能系统、多智能体协同。     

2022年组稿方向

2022年将特别关注人工智能+、物联网与5G、区块链、量子计算、大数据、隐私安全保护等技术的融合应用。本年度组稿包括但不仅限于以下方向:人工智能:多模态/跨模态学习、大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与优化决策、统计学习、联邦学习、因果推理、类脑智能计算、量子智能计算、智能机器感知与模式识别、自然语言处理与理解、知识图谱、机器人与智能系统、多智能体协同。     

数据驱动的智能交通虚拟仿真系统研究与设计

主要研究大数据环境下数据驱动的智能交通虚拟仿真系统体系结构及其关键技术。首先对数据驱动进行简要描述,并引出相关研究的现实意义。随后提出数据驱动的智能交通虚拟仿真系统体系结构,从面向智能交通虚拟仿真的数据处理、数据驱动技术、决策支持理论与方法、虚拟仿真环境等方面讨论了实现数据驱动的智能交通虚拟仿真所需解决的主要问题和关键技术,支持交通工程研究和应用。     

环绕智能环境多模态数据融合技术研究

针对环绕智能环境中感知数据类型不同、格式多样问题,设计了基于XML的数据表示方法。其次,提出数据级和决策级相结合的数据融合架构,解决了环绕智能环境数据存在的异质、弱关联问题。最后,设计实现了基于加权自适应和模糊逻辑的数据融合算法,并应用于环绕智能环境监测,实验证明本技术可有效抑止传感器精度差异及噪声等因素导致的感知数据漂移问题,提高了系统决策的准确性。     

果蝇优化算法研究进展

作为一种新颖的群智能优化方法,受基于视觉和嗅觉的觅食行为的启发而提出的果蝇优化算法具有易理解和实现、控制参数少的特点.近年来果蝇优化算法的研究受到了广泛关注,果蝇优化算法及其变种在诸多工程优化领域得到了成功应用.阐述果蝇优化算法的设计思想与机制,重点综述果蝇优化算法的研究进展,包括维持种群多样性、知识驱动策略与协同机制的设计等方面的改进工作.同时,介绍果蝇优化算法在离散优化、多目标优化、不确定优化等方面的扩展性研究工作,并总结果蝇优化算法的代表性应用研究成果,最后指出在理论、设计、扩展、应用等方面未来进一步的研究方向和内容.     

工业机器人故障诊断与健康预测方法研究

工业机器人被称为“制造业皇冠顶端的明珠”,是智能制造领域最具代表性的装备。工业机器人的故障及精度退化问题突出,严重影响企业的安全生产和经济效益。为此,工业机器人故障诊断与健康预测方法逐渐成为研究热点。本文首先简要介绍了工业机器人的系统构成,并分析了其核心部件的典型失效模式;其次,从知识驱动和数据驱动两个维度出发,综述工业机器人故障诊断方法;然后,在组件级和系统级层面综述了工业机器人性能退化监测及剩余使用寿命估计方法;最后,对工业机器人故障诊断及健康预测方法的未来发展趋势进行了展望,指出大数据环境下的工业机器人智能诊断将是未来的技术发展趋势。     

大数据环境下智能推荐系统中协同过滤算法研究

随着互联网的普及以及电子商务的发展,各类网络应用需要大数据的支持,而信息过载是大数据应用最严重的问题之一,需要来自智能推荐系统的支持.分析了大数据环境下智能推荐系统的概念和应用,对协同过滤算法这一智能推荐经典算法进行了阐述,并介绍了其在大数据环境中的应用领域.     

Knowledge-based versus data-driven fuzzy habitat suitability models for river management

Aquatic habitat suitability models have increasingly received attention due to their wide management applications. Ecological expert knowledge has been frequently incorporated in such models to link environmental conditions to the quantitative habitat suitability of aquatic species. Since the formalisation of problem-specific human expert knowledge is often difficult and tedious, data-driven machine learning techniques may be helpful to extract knowledge from ecological datasets. In this paper, both expert knowledge-based and data-driven fuzzy habitat suitability models were developed and the performance of these models was compared. For the data-driven models, a hill-climbing optimisation algorithm was applied to derive ecological knowledge from the available data. Based on the available ecological expert knowledge and on biological samples from the Zwalm river basin (Belgium), habitat suitability models were generated for the mayfly Baetis rhodani (Pictet 1843). Data-driven models appeared to outperform expert knowledge-based models substantially, while a step-forward model selection procedure indicated that physical habitat variables adequately described the mayfly habitat suitability in the studied area. This study has important implications on the application of expert knowledge in ecological studies, especially if this knowledge is extrapolated to other areas. The results suggest that data-driven models can complement expert knowledge-based approaches and hence improve model reliability.     

一种认知行为模式的概率化确定方法

研究认知行为模式的确定,提出一种认知行为模式的概率化确定方法,首先,简要介绍认知行为模式的SRK框架,分析三种认知行为模式的特点以及该框架在人因可靠性分析中的应用,然后,概述认知行为模式的确定方法-Hanaman决策树,分析该方法的特点以及存在的不足,强调在认知行为模式的确定过程中考虑不确定性的必要性.随后,将不确定性...     

A Common Reasoning Model and Its Application in Knowledge-Based System

To use reasoning knowledge accurately and efficiently,many reasoning methods have been proposed.However,the differences in form among the methods may obstruct the systematical analysis and harmonious integration of them.In this paper,a common reasoning model JUM(Judgement Model)is introduced.According to JUM,a common knowledge representation form is abstracted from different reasoning methods and its limitation is reduced.We also propose an algorithm for transforming one type of JUMs into another.In some cases,the algorithm can be used to resolve the key problem of integrating different types of JUM in one system.It is possible that a new architecture of knowledge-based system can be realized under JUM.     

基于数据驱动的故障诊断方法综述

首先介绍了基于数据驱动的故障诊断方法研究动机和国内外发艘现状.以新的视角将现有故障诊断方法分为基十数据驱动的方法、基十分析模型的方法和基于定性经验的人工智能方法.说明了该方法在整个体系中的地位.并从数据利用及其与基十分析模型的方法比较等方面探讨了该方法的应用背景;然后综述了按照新分类中基于数据驱动故障诊断的现有方法,分...     

An IKB defect classification system for automated industrial radiographic inspection

Abstract: This paper presents work undertaken as part of a project concerned with the development of a fully automated industrial radiographic inspection system, based on both conventional image-processing techniques for the detection and analysis of defects in the radiographic image, and intelligent knowledge-based (1KB) techniques for the classification and evaluation of defect data against the quality assurance requirements of the inspection process. In this paper the 1KB defect classification system is presented. This system is based on a hierarchical frame-based knowledge representation and a backward-chaining production rule system. Examples of the frame structures, frame taxonomies and the data-driven procedures, which maintain the knowledge base are given, along with an outline of the defect classification rules and the inference mechanism for dealing with uncertainty by means of confidence factors.     

联合知识与CNN的遥感影像目标检测研究综述

目标检测是遥感影像智能解译的重要内容,是将影像转换为信息的关键环节。基于知识的方法是遥感影像目标检测的传统经典方法,而基于卷积神经网络的深度学习方法则是近年来逐步兴起并迅速大范围应用的主流方法。介绍了基于几何知识、上下文知识、辅助知识、综合知识的方法,以及一阶段、两阶段的卷积神经网络方法,重点论述了联合知识与卷积神经网络的新方法,并对改进遥感影像数据集、调整算法网络框架、实现目标上下文推理等三种具体应用形式进行了详细介绍。对联合知识与卷积神经网络方法的遥感影像目标检测方法进行了展望。     

深度学习框架下压缩感知重建算法综述

压缩感知技术以远小于奈奎斯特频率采样信号,并高概率重建原信号,是信号处理领域里程碑式的进展。近年来深度学习在特征提取与模式分类方面的优势给压缩感知技术提供了新的思路,基于深度学习的压缩感知重建算法采用数据驱动的方式,在重建时间上有数量级的降低,且重建精度具有可比性或更高。重点综述基于深度学习的压缩感知重建方法,综合考虑传统重建方法,并分为基于先验知识、纯数据驱动、混合先验知识与数据驱动的三类,分析了典型算法的特点、网络结构、关键步骤。最后分析与总结,展望了深度学习技术应用于压缩感知的研究前景。     

Afterword: data, knowledge, and e-discovery

Research in Artificial Intelligence (AI) and the Law has maintained an emphasis on knowledge representation and formal reasoning during a period when statistical, data-driven approaches have ascended to dominance within AI as a whole. Electronic discovery is a legal application area, with substantial commercial and research interest, where there are compelling arguments in favor of both empirical and knowledge-based approaches. We discuss the cases for both perspectives, as well as the opportunities for beneficial synergies.     

数据挖掘常用分类算法研究

数据库、数据仓库以及其他存储信息库中潜藏着很多与商业、科学研究等活动的决策有关的数据和知识。对于数据挖掘中的数据分析,通常有两种常见的方法,即分类和预测,首先对数据库中的数据进行分类归纳,然后根据分类规则可以得到比较有价值的数据,然后我们可以根据这个数据来预测得到一些包含未来趋势的信息。在常见的分类算法中,决策树算法是一个有着很好扩展性的算法,可以应用到大型数据库中,可以对多种数据类型进行处理,分类模式容易转化为分类规则,结果也十分的浅显易懂易于理解。该文主要先介绍了几种常用的分类算法,然后具体介绍决策树算法的过程以及在分类算法实际应用中的优缺点。     

数据驱动系统方法概述

阐述了关于数据驱动系统方法的几点思考. 文中简要地探讨了以下三个主要问题: 离线数据与在线数据处理方法之间的演变关系, 数据驱动方法与基于模型的方法之间的优势互补关系, 以及数据驱动系统方法的前景. 在现有的知识和研究水平下给出数据驱动系统问题的解决方法是不切实际的. 针对控制、决策、调度和故障诊断, 本文的目的是对这四个领域的数据驱动方法问题进行归纳与分类, 并探讨可行的、有潜力的研究方向.