探讨人工智能在计算机网络技术中的应用

人工智能开创了新的技术研究领域,并在各个行业中得到了广泛的应用。伴随着科学研究方法的改变,计算机的主要功能从数值计算向问题求解以及知识处理方向上发展,在这一转变过程中,人工智能是实现计算机的功能转变的核心技术。文章就人工智能技术进行了简单介绍,从计算机网络技术存在的问题分析中强调人工智能应用的重要性,并重点阐述了人工智能在计算机网络技术中的应用。     

网络赌球刑事案件法律适用若干疑难问题

由于网络能够在全球范围内实现赌球活动的信息化与智能化,中国司法机关在打击网络赌球犯罪过程中必须解决国际、区际法律冲突等问题。因其共犯具有相对独立性,但只要其在中国境内开设的赌场有帮助行为,符合中国刑法规定的构成要件,国外网络赌球行为是否符合中国刑法相关犯罪的犯罪构成并不影响共犯的认定。     

浅析计算机人工智能识别技术

计算机技术的不断发展,衍生而出的新型技术不胜枚举.其中人工智能识别技术在社会各行各业中都得到了广泛应用,但因为这一技术发展时间较短,使得技术固有的问题接连显现,基于这一现状,本文对计算机人工智能识别技术进行研究探讨,帮助人们对人工智能识别技术有进一步的了解.     

关于计算机人工智能识别技术的应用研究

近年来,人工智能作为一门综合性强、应用范围广的新兴学科,已经在身份识别技术领域中得到了应用,并逐渐替代了传统的身份识别技术,计算机人工智能识别技术也因此迅速发展。这一技术的出现极大改变了人们的生活,但在实际应用中存在着一定问题。基于此,简单介绍了计算机人工智能识别技术,并分析了该技术的应用现状与当前应用瓶颈。     

企业需要充分利用人工智能

人工智能这一术语如今似乎无处不在,这在行业市场的中造成一些混乱,甚至可能让技术决策者感到困惑. 人工智能到底是什么?一个常见的定义是"在机器中模拟人类的智能,这些机器被编程为像人类一样思考并模仿人类的行为".人工智能系统可以看作具有能表现出与人类思维相关特征并具备学习和解决问题能力的任何系统. 具有人工智能功能的技术、产品和服务可以为组织带来巨大的好处,包括:提高效率、实现人工流程的自动化、增强决策能力、改善客户服务和体验以及解决复杂问题等.     

人工智能技术在网络安全领域的应用研究

在这飞速发展的时代,人工智能技术一天天的成熟,为科学技术的发展做出了自己的贡献.在未来的历史进程中,谁能把握好人工智能技术,应用好人工智能技术,以人工智能技术为人类谋福利,谁就是胜利者.而这个时代,网络安全也是我们逃避不开的话题,如何在惊险的网络世界之中避免一些危险的攻击,如何保证自己的研究成果和核心技术不泄露,如何维护自己的权益,这都是网络安全面临的问题.本文从人工智能技术在网络安全领域的应用为切入点,通过细致探讨和研究,发现人工智能技术在网络安全方面应用的可能性和灵活性,以及减少网络风险的作用.在前人研究的基础上,尽量提出自己新的观点,让人工智能技术在网络安全方面有所建树,有所发展.     

张某、孙某盗用、传播他人上网账号、密码案

[提示] 盗用、传播他人的网络账号、密码,是一种严重危害网络安全的违法行为.最高人民法院<关于审理扰乱电信市场管理秩序案件具体应用法律若干问题的解释>第八条规定:盗用他人公共信息网络上网账号、密码上网,造成他人电信资费损失数额较大的,依照刑法第二百六十四条的规定,以盗窃罪定罪处罚.     

计算机网络技术对人工智能的运用

人工智能是当前一种新兴的科学技术,不断被人们所关注并应用于社会各个行业.把人工智能有效地运用于计算机的网络系统中,既能够提升工作的效率,也使得人类的生活变得更加丰富多彩.基于此,本文阐述了人工智能的含义及其优越性,分析了当前我国计算机网络技术存在的问题,最后探讨了计算机网络技术对人工智能的实际应用.     

人工智能在网络技术中的应用研究

在当前的计算机网络技术应用中,人工智能技术的应用极为广泛.本文结合人工智能技术原理以及技术优势,针对当前人工智能技术在网络技术实践中最为常用的网络安全与系统评价两个主要应用领域,开展了实践应用技术的研究.这一研究的开展,对于人工智能技术的实践应用以及网络技术的进一步发展起到了理论支持作用.     

计算机人工智能识别技术及其应用研究

近年来,人工智能作为一项新兴的技术广泛应用在身份识别技术领域。其覆盖面广、应用范围广泛,逐步替代了传统的身份识别技术,这也是计算机人工智能识别技术发展较快的重要因素。该技术虽然极大地改善了人们的日常生活质量,但在现实应用中仍面临着若干问题。基于此,本文简要阐述了计算机人工智能的检测与关键技术,并剖析了其应用现状及当前应用的技术瓶颈。     

基于知识图谱和Bi-LSTM的推荐算法

目前现有基于模型的推荐算法多是将评分数据输入到深度学习模型中进行训练,得出推荐结果.其缺陷在于无法对预测结果进行可解释性分析.除此之外,无法有效地解决算法的冷启动问题.因此,本文提出一种基于知识图谱和Bi-LSTM的推荐算法,来有效解决算法的可解释性和冷启动问题.首先将获取到的数据集进行预处理,生成预编码向量,根据数据...     

不确定性数据中基于GSO优化MF的模糊关联规则挖掘方法

针对不确定性数据中模糊关联规则的挖掘问题,提出一种基于群搜索优化(GSO)算法优化隶属度函数(MF)的模糊关联规则挖掘方法。首先,将不确定性数据通过三元语言表示模型进行表示;然后,给定一个初始MF,并以最大化模糊项集支持度和语义可解释性作为适应度函数,通过GSO算法的优化学习获得最佳MF;最后,根据获得的最佳MF,利用改进型的FFP-growth算法来从不确定数据中挖掘模糊关联规则。实验结果表明,该方法能够根据数据集自适应优化MF,以此实现从不确定数据中有效地挖掘关联规则。     

Reconciling performance and interpretability in customer churn prediction using ensemble learning based on generalized additive models

To build a successful customer churn prediction model, a classification algorithm should be chosen that fulfills two requirements: strong classification performance and a high level of model interpretability. In recent literature, ensemble classifiers have demonstrated superior performance in a multitude of applications and data mining contests. However, due to an increased complexity they result in models that are often difficult to interpret. In this study, GAMensPlus, an ensemble classifier based upon generalized additive models (GAMs), in which both performance and interpretability are reconciled, is presented and evaluated in a context of churn prediction modeling. The recently proposed GAMens, based upon Bagging, the Random Subspace Method and semi-parametric GAMs as constituent classifiers, is extended to include two instruments for model interpretability: generalized feature importance scores, and bootstrap confidence bands for smoothing splines. In an experimental comparison on data sets of six real-life churn prediction projects, the competitive performance of the proposed algorithm over a set of well-known benchmark algorithms is demonstrated in terms of four evaluation metrics. Further, the ability of the technique to deliver valuable insight into the drivers of customer churn is illustrated in a case study on data from a European bank. Firstly, it is shown how the generalized feature importance scores allow the analyst to identify the relative importance of churn predictors in function of the criterion that is used to measure the quality of the model predictions. Secondly, the ability of GAMensPlus to identify nonlinear relationships between predictors and churn probabilities is demonstrated.     

基于邻域近似条件熵的启发式属性约简

目前粗糙集的研究局限于有限集,且现有的邻域粗糙集属性约简算法中属性重要性度量方式单一。针对邻域粗糙集存在的问题,提出了基于无限集的邻域近似条件熵模型。该模型以邻域近似条件熵下的属性重要度为启发条件,构造了一种基于邻域近似条件熵的前向贪心搜索属性约简算法。利用熵的单调性,证明了算法的正确性,并分析了算法的时间复杂度。通过实例分析和多个UCI数据集上的实验表明,所提出的算法是可行的,能有效减少属性数量,与现有的算法相比,不仅能够获得较小的属性约简结果,而且具有较好的分类性能。     

基于Goldwasser-Micali加密算法的安全子集计算

针对解决集合间的安全子集问题的协议大多只能保护一个集合元素的隐私进行研究。在半诚实模型下,利用布隆过滤器及Goldwasser-Micali同态加密算法构建了一个安全子集计算协议,并使用安全多方计算中普遍采用的模拟范例证明方法证明了协议的安全性。利用布隆过滤器将拥有大量元素或大数域元素的数据集合映射为较小的数据集合,提升协议的效率及适用范围,同时,借助Goldwasser-Micali同态加密算法保证协议的安全性。相关研究大多是基于二次剩余等困难问题,不可抵抗量子攻击,可抵抗量子攻击的安全子集计算是进一步的研究方向。     

基于邻域图的低秩投影学习

特征提取算法通常只单独用到了数据的局部结构或者整体结构,这样将得不到全局最优投影矩阵,且投影矩阵不具备很好的可解释性。为此,提出了一种基于邻域图的低秩投影学习算法。该算法通过在数据的重构残差上施加图约束来保持数据的局部结构,同时引入低秩项来保持整体结构;算法利用L2,1范数行稀疏的性质对投影矩阵进行约束,这样可以剔除冗余特征,提高投影矩阵的可解释性;并且算法引入噪声稀疏项来减弱样本本身存在噪声的干扰。模型采用交替迭代方法求解,在多个数据集上的实验结果表明该算法能有效地提高分类精度。     

l1鲁棒辨识:一种递推插值方法

针对l¹鲁棒辨识不能有效利用试验数据和进行在线辨识的问题, 提出了一种在线递推插值辨识方法. 用几何方法描述试验信息, 利用系统可行集与新的试验信息所构成的半空间的包含关系判断数据信息, 有效地利用了试验数据, 提高了辨识精度. 同时提出了一种新的计算辨识误差紧界的方法. 仿真结果表明了算法的有效性和可行性.     

考虑多源供能波动性的企业生产运作与能源计划耦合优化

多源供能是提高清洁能源占比,助力制造企业绿色低碳转型的有效方式。然而受季节、天气等因素影响,可再生能源出力存在波动性,影响能源系统供应的稳定性。针对该问题,构建了企业生产运作与能源计划耦合优化的不确定整数规划模型,利用区间数描述能源出力的不确定信息。同时通过设计多种群融合策略、外部档案更新策略,提出了多目标混合鲸鱼群算法,有效地利用各个算法的寻优特性,提升整体性能,获得更优的Pareto解集。最后通过算法性能和能源策略对比实验,证明了所构建模型及求解方法的可行性和有效性。同时验证了所设计算法对求解不确定优化模型的优势和竞争力,以及多源供能模式能够有效帮助企业实现节能减排、可持续生产目标。     

基于聚类和SVD算法的解释性模糊建模方法

提出了一种基于减法聚类算法构造解释性模糊模型的方法。首先指出模糊模型解释性的重要地位,分析影响解释性的主要因素;然后利用减法聚类算法辨识初始模糊模型,SVD算法和集合非冗余度约简初始模糊模型,从而提高其解释性;最后采用约束优化算法整体优化模型,提高其精度。PH值中和过程的模糊建模验证了该方法的有效性。     

RSPOP: rough set-based pseudo outer-product fuzzy rule identification algorithm

System modeling with neuro-fuzzy systems involves two contradictory requirements: interpretability verses accuracy. The pseudo outer-product (POP) rule identification algorithm used in the family of pseudo outer-product-based fuzzy neural networks (POPFNN) suffered from an exponential increase in the number of identified fuzzy rules and computational complexity arising from high-dimensional data. This decreases the interpretability of the POPFNN in linguistic fuzzy modeling. This article proposes a novel rough set-based pseudo outer-product (RSPOP) algorithm that integrates the sound concept of knowledge reduction from rough set theory with the POP algorithm. The proposed algorithm not only performs feature selection through the reduction of attributes but also extends the reduction to rules without redundant attributes. As many possible reducts exist in a given rule set, an objective measure is developed for POPFNN to correctly identify the reducts that improve the inferred consequence. Experimental results are presented using published data sets and real-world application involving highway traffic flow prediction to evaluate the effectiveness of using the proposed algorithm to identify fuzzy rules in the POPFNN using compositional rule of inference and singleton fuzzifier (POPFNN-CRI(S)) architecture. Results showed that the proposed rough set-based pseudo outer-product algorithm reduces computational complexity, improves the interpretability of neuro-fuzzy systems by identifying significantly fewer fuzzy rules, and improves the accuracy of the POPFNN.