浅谈机器学习现状及前景

21世纪是信息化的世纪,现今的人工智能是热门的研究领域,也是未来社会发展的方向,机器学习作为人工智能中的重要研究领域现今发展很快.文章主要阐述了机器学习国内、国外机器学习发展现状,并介绍了机器学习的策略,最后初步展望了发展前景.     

机器学习在花儿识别中的运用

机器学习是人工智能的核心领域,它为人工智能传承非遗提供了保障,然而现有理论和实践研究指出在该领域仍存在诸多空白。基于此,本文分析了该领域的花儿研究现状,提出了4种花儿图像分割方法及5种深度学习算法,详细介绍了基于分块技术的图像分割算法与BP神经网络算法的步骤,旨在为音乐非物质文化遗产的保护和传承提供新的思路。     

人工智能的新浪潮——深度学习

深度学习（Deep Learing）作为一种基于人工神经网络的无监督学习方法,是近年来兴起的一种新的混合机器学习模型,现成为人工智能领域中炙手可热的研究技术。深度学习带来了机器学习的一个新浪潮,受到学术界和工业界的广泛重视,并带来大数据的深度学习时代。本文结合大数据时代的具体需求,详细阐述了深度学习的发展和应用,突出了其在人工智能领域的重要地位。     

机器学习综述

机器学习作为人工智能领域一个关键的研究内容,主要研究如何在积累经验的过程中不断提高计算机程序的性能。通过机器学习,计算机具备了智能手段,并在很多领域都得到了广泛应用。本文详细介绍了机器学习的重要概念,系统地阐述了机器学习的两种典型算法,介绍了算法的原理、流程及利弊,同时也介绍了机器学习在日常生活和生产中的几种典型应用。     

机器学习在广播电视发射故障诊断中的应用

本文首次探讨了机器学习在广播电视发射故障诊断中的应用.首先介绍了机器学习的提出背景和建模过程,接着分析了广播电视发射系统故障诊断的内涵,然后介绍了机器学习算法在广播电视发射系统故障诊断中的应用和发展,并具体给出了几种经典的机器学习算法在广播电视发射系统故障诊断中的应用方法.     

关于深度学习的综述与讨论

机器学习是通过计算模型和算法从数据中学习规律的一门学问,在各种需要从复杂数据中挖掘规律的领域中有很多应用,已成为当今广义的人工智能领域最核心的技术之一。近年来,多种深度神经网络在大量机器学习问题上取得了令人瞩目的成果,形成了机器学习领域最亮眼的一个新分支——深度学习,也掀起了机器学习理论、方法和应用研究的一个新高潮。对深度学习代表性方法的核心原理和典型优化算法进行了综述,回顾与讨论了深度学习与以往机器学习方法之间的联系与区别,并对深度学习中一些需要进一步研究的问题进行了初步讨论。     

基于机器学习的侧信道分析研究及RSA算法的应用示例

基于机器学习的密码算法侧信道分析是一个较新的研究领域,自首个分析结果发表以来,大量的研究结果表明机器学习算法相比传统方法在侧信道分析中具有很大的性能优势。因此,基于机器学习的侧信道分析应在相关的安全检测技术领域得到充分的应用。本文针对目前侧信道攻击中常用的机器学习算法进行介绍,并针对密码算法RSA进行分析,设计了基于机器学习的侧信道攻击实验并对比实验结果。     

基于DQN算法迷宫寻路

随着机器学习在日常生活中的各种a应用,各种机器学习方法融汇、合并、升级。深度强化学习是近年来人工智能领域最受关注的研究方向之一,本质是使用强化学习的试错算法和累计奖励函数加速神经网络设计。笔者所探讨的强化学习是一种融合了神经网络和Q-learning的方法,为深度Q网络(DeepQNetwork,DQN)这种新型结构适提供迷宫寻路,通过训练达到一个预期收敛效果。     

李群机器学习十年研究进展

该文主要从3个方面介绍李群机器学习近年来的研究进展。首先,该文将解释为什么采用李群结构进行数据或特征描述,以此阐明李群机器学习与传统机器学习方法的区别,并且通过李群在人工智能领域的广泛应用来说明李群表示的普遍性。其次,该文概述了李群机器学习自提出以来的主要学习算法,着重强调最近的一些研究进展。最后,针对目前的研究现状,该文给出李群机器学习未来的一些研究方向。     

科学发现中的机器学习方法研究

大规模科学装置与重大科学实验使得科学发现进入了数据密集型的第四范式,借助蓬勃发展的人工智能技术促进智能科学发现势在必行.机器学习作为人工智能中的一项重要技术,已广泛应用于各个科学领域.然而,现有工作仅研究特定任务下的机器学习方法,没能抽象出一个通用的智能科学发现研究框架.本文首先总结了科学发现任务中常用的机器学习方法,并将科学任务归类为五大机器学习问题.其次,提出了基于机器学习的智能科学发现研究框架,作为“AI for Science”的典型范例,阐述了一种高效的智能科学发现模式.再次,本文以时域天文学中发现瞬变事件这一科学任务为例,通过实验证明了唯有恰当地结合领域知识后,机器学习算法才能更好地服务于智能科学发现,验证了该框架的有效性.最后进行总结与展望,以期对各领域进行智能科学发现形成参考意义.     

机器学习方法浅析

学习是人工智能研究中非常活跃且范围甚广的一个领域。学习研究的动因很多,最主要的动因在于让机器完成某些任务,从而使其在某些方面服务于人类。本文介绍了机器学习的定义和基本结构,阐述了各种机器学习方法,包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等。     

机器学习算法在中医诊疗中的研究综述

机器学习算法包括传统机器学习算法和深度学习算法。传统机器学习算法在中医诊疗领域中的应用研究较多,为探究中医辩证规律提供了参考,也为中医诊疗过程的客观化提供了依据。与此同时,随着其在多个领域不断取得成功,深度学习算法在中医诊疗中的价值越来越多地得到业界的重视。通过对中医诊疗领域中使用到的传统机器学习算法与深度学习算法进行述评,总结了两类算法在中医领域中的研究与应用现状,分析了两类算法的特点以及对中医的应用价值,以期为机器学习算法在中医诊疗领域的进一步研究提供参考。     

基于多个机器学习算法的投票式邮件过滤模型

机器学习算法在目前垃圾邮件过滤中扮演着重要的角色，但单一学习算法往往有各自的缺陷，限制了其在邮件过滤中的进一步应用。该文介绍了几种典型机器学习算法，并构造了一种基于多机器学习算法的投票式过滤模型。实验表明，该方法充分利用了各机器学习算法的优势，弥补了各自的不足，达到了比单一学习算法更好的过滤性能。     

CALO研究进展分析

CALO是目前美国国防部正在研制的一个应用于办公环境的智能系统,涉及机器学习、自然语言处理、知识表示、柔性规划、人机交互等多个领域的专门技术.由于该项目使用了目前人工智能领域的多项前沿技术,对人工智能相关技术的发展和集成应用有着重要影响,也引起了国内外很多研究人工智能领域的学者的关注.综合目前CALO项目已经发表的论文所介绍的研究情况,全面介绍了该项目目前的研究进展,详细分析了其使用部分重要技术,并据此对今后一段时间人工智能相关技术的发展做出展望.     

基于DFS的协调机器学习模型

机器学习是人工智能的核心课题之一,机器学习的研究得到众多学者的广泛关注。基于动态模糊集等基本理论,提出了一种协调学习的模型。并讨论了CMLM的学习算法,该种学习方法适合复杂的学习系统。通过研究这种学习方法,进一步丰富了机器学习的基本内容。     

量子机器学习

人工智能和量子物理是上世纪发展起来的两个截然不同但又影响深远的学科.近年来,它们在数据科学方面的结合引起了学术界的高度关注,形成了量子机器学习这个新兴领域.利用量子态的叠加性,量子机器学习有望通过量子并行解决目前机器学习中数据量大,训练过程慢的困难,并有望从量子物理的角度提出新的学习模型.目前该领域的研究还处于探索阶段,涵盖内容虽然广泛,但还缺乏系统的梳理.本文将从数据和算法角度总结量子机器学习与经典机器学习的不同,以及其中涉及的关键加速技巧,针对数据结构(数字型、模拟型),计算技巧(相位估计、Grover搜索、内积计算),基础算法(求解线性系统、主成分分析、梯度算法),学习模型(支持向量机、近邻法、感知器、玻尔兹曼机)等4个方面对现有研究成果进行综述,并建议一些可能的研究方向,供本领域的研究人员参考.     

机器学习方法在人脸检测中的应用

介绍机器学习方法及其分类以及应用于人脸检测的状况,分析各种方法在研究中取得的进展和存在的不足,对基于统计机器学习和集成机器学习的主要方法作重点的阐述,最后展望机器学习方法应用与人脸检测的前景和趋势.     

谷歌TensorFlow机器学习框架及应用

TensorFlow是谷歌的第二代开源的人工智能学习系统,是用来实现神经网络的内置框架学习软件库。目前,TensorFlow机器学习已经成为了一个研究热点。由基本的机器学习算法入手,简析机器学习算法与TensorFlow框架,并通过在Linux系统下搭建环境,仿真手写字符识别的TensorFlow模型,实现手写字符的识别,从而实现TensorFlow机器学习框架的学习与应用。     

梯度下降及优化算法研究综述

梯度下降法是机器学习算法中广泛使用的方法,特别是在神经网络中.本文首先概述了梯度下降法和其三种实现框架,描述其优缺点.针对算法训练时间缓慢的缺陷,首先从最经典且主流的梯度下降优化算法开始介绍,阐述研究动机、基本思想、其解决的问题,最后对比流行的梯度下降优化算法进行实验分析.     

机器学习在本体映射中的应用

文中针对语义网中同领域内的本体异构现象,以及无法实现领域内本体库共享的问题．提出利用人工智能研究中的机器学习算法来解决。通过概念匹配映射使异构本体的语义更好地得到映射,并在果品领域经过实例的应用,其效果还是客观的。在本体映射匹配研究中,机器学习算法发挥了很大的作用,对语义重叠的概念进行高效率的推理匹配映射．为语义网本体异构的环境下实现信息在语义上的共享互操作提供了一种解决的途径。