智能系统智能特性的定性评价

专门讨论对智能系统的智能特性进行评价的问题。为此,提出一种评价系统的评价模型及评价方法。力求排除其它影响因素,只关注系统的自识别等智能特性。采用广义算子模型对评价过程进行描述。并运用仿真和实验室实验的手段,以智能移动机器人对特定对象自识别智能特性的评价为例,给出实施测试时解决几个关键问题的解决方法和算法。结果表明：拥有人工智能的机器或系统的智能特性是可评价的,通过描述、测试和评价得出的定性评价结论可用于判断系统“智能特性”的有无,这是对系统进行智能水平的定量评价的前提。     

智能控制系统的智商评测算法和实现

提出相对智商、绝对智商和离差智商等智能水平的评价算法;不同的评价算法各有优缺点,适用于不同的应用环境;提出了基于符合率的智能控制器的检测方法;介绍了以上评价算法和检测方法在智能家电评价中的应用;基于以上理论,开发了面向对象的智能水平评价的支持系统。     

再论"广义智能系统工程"

为了进一步阐明“智能系统”的概念,扩展智能系统及其应用的范畴,提高“系统工程”的智能化水平,从“广义智能”、“广义系统”的新观点,再次论述“广义智能系统工程”（GISE）的概念涵义、学科架构、系统模型、系统分析、系统综合、系统类谱．“广义智能系统工程”是“广义智能”（GI）与“系统工程”（SE）相结合的产物,其研究开发具有重要的科学意义和广泛的应用价值．     

关于智能系统工程科学技术体系的思考

就建立智能系统工程科学技术体系提出了创新观点,从智能、系统、工程多重组合角度对智能系统工程的内涵进行了详细分析研究,从理论、技术、工程应用、学科建设不同层面对智能系统工程研究对象、研究领域、研究方法进行了系统分析,构建了智能系统工程科学技术体系框架.对智能系统工程发展前景谈了作者的思考看法.     

从拟人的角度谈控制系统智能水平的评价

从拟人的角度出发提出了对控制系统的评价体系结构。指出其评价过程分为系统的描述、评价指标分配、分布测试、智商计算、智能水平评价、评价结果输出。利用系统分析和设计以及系统仿真的方法,对系统的组织层、协调层和测试层进行了设计和实施。给出了典型仿真系统的评价过程和评价结果。     

智能配电网自我认知过程

根据电力系统所面临的挑战、智能电网的智能配电网是智能电网发展的重要方面.对智能电网的研究,主要的是如何让电网具有智能.通过将结构主义、功能主义和行为主义三种方法和谐统一的“机制主义”及人类智能系统模型,完成对“信息→知识→智能”转换过程,把它们统一起来成为完整的人类认知过程,解析和定义智能配电网信息及其转换和自我认知过程.在人类智能系统模型下,重新解释DFSM及其智能系统对智能配电网的重要意义.使得智能配电网在经过自我认知过程后,能够更加方便的对整体和部分进行有效的仿真和模拟,在长期的认知过程循环中逐步建立智能配电网的知识库和策略库,作为智能配电网具有智能化的基础,最终使得智能配电网具有拟人特性和管理、协调、控制、优化、维护自身和被控对象.     

基于生态演化的通用智能系统结构模型研究

从系统论、认知神经科学和生态演化的角度看, 智能是指生物体根据环境、条件、目标, 自适应地调整自身或调度各种资源实现目标的能力, 智能起源于生命, 智能是生物的基本特征.借助于脑神经系统演化的历史, 展示了自然智能的演化过程, 并由此构建了一个基于生态演化的通用智能系统结构模型, 系统地分析了一般智能系统的普遍性、开放性、动态演化性、相对稳定性、功能性、结构性、依附性、相对独立性、可延续性等基本特征.论文根据智能演化进程将智能系统分为7级, 利用智能系统结构模型分类探索专用人工智能和通用人工智能的发展方向以及有关智能系统的学习方法.这些工作对人工智能和智能科学基础理论研究与应用具有一定的启发意义.     

智能教学系统中学习效果评价研究

在智能教学系统中,如何对教学质量和学习效果进行正确的评价越来越重要了,要想提高系统的智能化程度．就必须不断的完善系统评价体系。传统的智能教学系统仅仅限于对学习效果的评价,不能反映出学生认知水平所处的认知阶段。本章结合人的认知水平方面的研究成果,利用科学的评价方法,对智能教学系统评价系统进行了重新设计。     

群体智能中的知识涌现与复杂适应性问题综述研究

阐述了群体智能的相关概念，分析了群体智能中的自恢复、间接通信和进化学习等特点;对群体智能中的知识涌现现象进行了研究，对智能的本质问题进行了探讨．将群体智能系统与复杂适应性系统进行了联系和对比，提出了群体系统是一种复杂适应性系统的观点．介绍了几个典型的实验模型．最后，在总结群体智能局限性的基础上，提出了系统智能的观点，并对群体智能的意义和发展趋势进行了简单的总结．     

融合FAHP 和TOPSIS 的适老化产品综合评价与优选方法——以老年智能手环为例

为了更全面地对适老化智能手环进行综合评价,进而辅助最终的方案评价与优选, 从产品设计、用户体验、人机交互和实际生产4 个维度构建了适老化智能手环的评价模型。首 先采用基于三角模糊数的层次分析法(FAHP)计算出各项评价准则的权重,然后采用逼近理想解 排序法(TOPSIS)对若干备选方案做出评价并完成排序,最后根据结果进行方案的综合评价与优 选。以某品牌16 款适老化智能手环的备选方案为例,证明FAHP-TOPSIS 法的可行性,发挥其 现实意义。该评价优选方法,在考虑人的思维模糊性的基础上,从系统与层次等多个角度将思 维过程进行定性与定量分析,从而为适老化智能手环方案的优选问题提供清晰适合的决策方案 与优化思路。     

基于智能结构的BIA人体健康测评系统研究与设计

针对人体健康评价中数据庞大、受影响因素多等问题,从智能特征建模方法入手结合专家系统理论提出一种智能结构人体健康评价系统模型。运用生物电阻抗技术综合人体总阻抗与分段阻抗相结合的测量方法得到人体生理参数;仿人思维模式把人体健康测评这一复杂任务系统分解为决策、测评两个层次,决策层通过定义有限状态机的转移方式,确定系统所属状态,测评层采用层次分析获取健康评价模式,有效解决了人体健康测评中的多任务、不确定的问题,为解决一类复杂系统的建模问题提供了一个解决思路。     

基于FTA的智能型故障诊断方法研究

故障诊断是人工智能的一个重要研究内容。在对故障树分析法的相关概念进行必要阐述后,就基于故障树分析法的智能型故障诊断方法进行了深入的分析与探讨,指出FTA与其它人工智能技术相结合,建立高效、实用的故障诊断系统是故障诊断技术的主要发展方向之一。     

灰色推理技术及其智能应用研究

处理不确定性问题的能力已成为系统智能化水平高低的重要评价依据。本文提出了人工智能基于灰色信息的推理模型,该模型除进行符号模式匹配外,还进行灰色计算,是对模糊逻辑推理和Cantor集合理论的扩展;通过对软件质量因子的灰色关联分析,给出了软件质量评价的灰色计算模型;介绍了软件质量智能化灰色评价系（SQIGES）的基本结构及灰推理机的基本原理;得出了四个软件系统的质量评价结果。     

智能系统全生命周期安全测试理论与方法

人工智能技术在公共、国防安全领域得到了广泛应用,然而智能系统的安全性面临极大挑战。如何有效、全面、深入地对智能系统进行安全测试成为解决当前智能系统安全问题的重要途径。近年来,国内外高度重视智能系统的安全性问题,开展了大量的安全测试理论方法研究并出台了大量相关政策文件。针对智能系统面临的安全问题,本文详细阐述了面向智能系统全生命周期的安全测试理论与方法。首先,本文说明了智能系统的特点、安全内涵及安全机理;接着,本文结合模型训练、模型推理、模型部署三个主要生命周期阶段,详细地阐述了智能系统面临的安全性挑战和测试理论方法;最后,本文从标准、平台等角度阐明了构建智能系统安全测试支撑体系的方式,分析了自动驾驶典型场景下的智能系统安全测试案例,并给出了未来展望。开展智能系统安全测试理论和方法体系的建设,可有效规避系统潜在风险和质量缺陷,是实现人工智能算法可解释、可信赖的基本路径,对于确保人工智能技术安全、可靠、可控具有重要意义。     

Harnessing agile concepts for the development of Intelligent Systems

Traditional and current approaches to intelligent systems design, have led to the creation of sophisticated and computationally-intensive packages and environments, for a wide range of applications. This paper proposes methods with which to extend the functionality of such systems, borrowing knowledge management concepts from the field of Agile Manufacturing. As such, this paper proposes that the future of intelligent systems design should be based not only upon the continuing development of artificial intelligence techniques, but also effective methods for harnessing human skills and core competencies to achieve these aims. Amir M. Sharif: He obtained his BEng (Hons) in Aeronautical Engineering from City University (London) in 1994 and is a research student in the Department of Information Systems and Computing, Brunel University (UK) currently completing his Ph.D in artificial intelligence. Amir maitains close links with both industry and academia and research interests include Evolutionary and Knowledge Based Systems, IT/IS investment evaluation, Information Management and E-commerce/Supply Chain Management. He has published in internationally refereed journals and spoken at conferences world-wide and is a member of numerours computer science-related journal and conference program committee boards. He is an Associate Member of the Institute of Electrical Engineers (AMIEE) and also has student membership of the Association for Computing Machinery (ACM) and Institute of Electrical and Electronic Engineers.     

以知识点为中心的智能教学系统的研究与构建

在深入研究智能教学系统知识表示方法的基础上,提出了一个以知识点为中心的智能教学系统构建方案,采用知识点作为教学资源的组成单位,通过知识点间的联系来构建知识体系,并结合Web挖掘、人工智能、模糊理论等技术,实现网络教学的智能教学策略。     

一个基于Agent的个性化推荐系统

目前的推荐系统有基于文本过滤、基于协同过滤、基于Web挖掘等多种类型,但都只适用于某个应用领域,难以满足推荐应用的多种推荐需求。引入网络智能的思想,利用多Agent（智能代理）技术提出了一个基于Agent的个性化推荐系统架构——ABPRS。该推荐系统能满足多种推荐需求,在用户看来网络具有一定智能。     

数据驱动的智能车辆目标检测能力测试评价方法

本文针对智能车辆目标检测能力测评存在的指标体系不完整、量化程度和测评实时性低等问题,聚焦智能车辆目标检测能力中的目标分类和目标识别,在这两个测评项目上提出了一套量化的评价指标体系,并用TOPSIS方法进行综合的评价.然后在此指标体系的基础上搭建数据驱动的智能车辆目标检测能力测评平台,平台可满足对智能车辆目标检测能力测评的实时性要求.最后采用了若干组车辆检测算法对指标体系进行验证.