我国区块链技术研究热点与前沿趋势探究

区块链技术作为维护数字货币交易的保障手段,因为其高度信任、透明、去中心化等优势在众多领域都有了创新性的应用.在区块链2.0时代后,区块链技术的应用研究逐渐增多.分析区块链技术研究的热点主题与前沿趋势对今后区块链技术应用有着重要的意义.采用软件CiteSpace绘制出2014至2021年间CSSCI期刊中区块链研究领域的...     

近10年来国际情报学领域的研究热点和发展前沿的量化可视分析

本文对近十年来(2002-2011)web of science中收录的情报学主题的2251篇论文进行下载,并利用陈超美博士发明的信息可视化软件CiteSpaceII对文献的题录数据进行量化分析,构建关键词被引知识图谱和突变词被引知识图谱,探索和揭示国际情报学发展的热点主题和发展前沿,为我国情报学研究的相关学者以有益的启示。     

近20年智能制造研究热点与前沿挖掘

基于Web of Science和CNKI数据源,分别选取2001-2020年收录的智能制造相关文献作为研究对象,利用CiteSpace可视化软件,对智能制造研究总体现状、研究热点及发展脉络进行了系统梳理与分析。研究发现：近年来智能制造研究受到学者们的高度重视,文献数量呈爆发式增长;研究主题具有鲜明的时代特征,WOS与CNKI数据库中,智能制造领域研究热点在理论与实证研究等多方面存在差异。对智能制造研究的前沿趋势进行分析,并提出未来可能的4个主要方向。     

2021至2023年人工智能领域研究热点分析述评与展望

在当今数字化和智能化的时代背景下,人工智能（artificial intelligence,AI）已成为科技创新的重要引擎,总结探讨AI研究的最新趋势和未来发展方向具有重要的研究和现实意义. 为此,对 2021—2023年间在中国计算机学会（CCF）推荐的AI领域CCF-A类国际会议和期刊所发表论文的研究成果进行收集,并在此基础上采用文献计量学的方法论来通过关键词对研究热点进行分析,进行基于高频关键词分析研究热点、基于新增关键词分析研究趋势、基于引用量加权的关键词分析高影响力研究,可以梳理AI研究的主流方向、发现AI主要研究方向的相互联系和交叉融合的特点. 此外,对当前研究热点如大语言模型（large language model,LLM）、AI驱动的科学研究（AI for Science）和视觉生成相关论文的关联热点进行分析,可以挖掘技术路径和方法论的演变,展现技术创新背后的科学理论和应用前景,从而进一步揭示AI研究的最新趋势和发展前景.

     

2017年国际人工智能领域研究前沿的分析与研究

文献共被引可以为目标领域研究前沿的分析研究提供一种更加客观、全面的研究视角。文中利用文献共被引分析对2017年国际上人工智能领域的131篇ESI高被引论文进行分析,探寻得到了2017年该领域中包含的12个研究前沿和2个重点研究前沿。通过对研究前沿中核心论文的进一步研究发现,在2017年国际人工智能领域的多个研究前沿中,我国的学者已经成长为中坚力量,发挥着重要的作用。相比而言,在深度学习的两个重点研究前沿中,我国还缺乏高质量核心论文的产出者,这也激励着我国学者不断为之努力。     

国际STEM教育研究现状的可视化分析：前沿与趋势

本研究基于Web of Science(WOS)数据库收集STEM教育研究的文献。运用CiteSpace 5.3.R4可视化软件进行文献计量及共被引分析,绘制了国际STEM教育研究领域的知识图谱,对STEM教育研究现状的热点及前沿进行全方位的梳理。研究发现:自2015年以来,世界各国的教育学者对STEM教育的研究不断深入,其中,欧美、澳大利亚等地的教育学者研究范围广、贡献大;研究热点包括课堂教学、学生学业表现、学习效能感、个性化学习以及注重STEM教学环境对学生与教师个体研究,研究重点结合教育公平与职业选择进行深入开展。文章认为,STEM教育与人的高阶发展密切相关,需引起高度重视,进行本土化研究,培养以问题导向和创新为目标的复合型人才。     

浅谈网络时代下人工智能的研究与发展

近几年,计算机网络的发展,为人工智能注入了新的应用领域和新的内容,本文首先对人工智能进行了阐述,接着分析了人工智能研究的热点以及主要的应用领域,最后阐述了人工智能技术的发展方向。     

我国智慧社区的研究现状与前沿热点——基于CiteSpace的文献计量可视化分析

本文以中国知网（CNKI）数据库中2012～2022年收录的205篇以“智慧社区”为主题研究的北大核心与CSSCI来源期刊论文为数据来源,运用文献可视化分析软件CiteSpace.6.1.R2进行数据处理和统计分析,并绘制可视化的知识图谱,从年度发文量、作者及其合作情况、机构及其合作情况等方面对研究的现状进行系统分析,从关键词共现、关键词聚类等方面对研究的前沿热点进行整体分析,希望能为我国智慧社区下一步的发展和研究方向提供一定的参考。     

《人工智能应用导论》知识图谱构建与应用研究

随着人工智能技术引发新一轮科技革命和社会进步,高职《人工智能应用导论》课程在众多院校相继开设,对其开展知识图谱的构建应用研究逐渐兴起,然而知识图谱的构建需要领域专家共同探讨、手工构建,十分严谨而繁琐,人工智能知识更新又较为快速,目前高职《人工智能应用导论》知识图谱的构建较为缺乏。本文借助机器学习和自然语言处理技术分别对《人工智能应用导论》课程文本资源进行实体识别和关系抽取,接着进行知识融合,最后基于Neo4j图数据库可视化展示并进行知识点推理。实验结果表明：构造后的课程知识图谱涵盖了《人工智能应用导论》课程所有知识点及其关系属性,助力开展知识点学习推理和学习路径推荐研究。     

人工智能领域知识图谱构建与分析

近年来人工智能技术成为学术界和产业界的研究焦点,基于领域科技文献对人工智能相关技术脉络的发展进行分析和研究有助于科研人员掌握相关技术发展方向,同时为国家制定相关政策措施提供了大数据支撑.美国人工智能协会年会(AAAI)和人工智能国际联合大会(IJCAI)是人工智能领域最主要的学术会议,众多领先的AI科技成果在上述会议期...     

人工智能在解决知识管理难题中的应用

在知识经济社会中，企业的价值创造极大地依赖于知识，知识管理日益受到重视。随着Internet的飞速发展，知识管理面临信息过载、非结构化以及隐性知识的三大难题。人工智能在知识信息处理方面具有很大的优势，有助于解决知识管理中的难题，实现知识自动获取以及知识的自动分类。人工智能在知识管理中的应用虽然存在一定的局限性，但它促进了知识管理的智能化，提高了知识管理的效率和质量。     

基于CiteSpace的人工智能文献大数据可视化分析

随着数据量的上涨、计算机运算力的提升和深度学习算法的出现,人工智能受到越来越多的关注.文中以美国核心期刊数据库Web of Science收录的与人工智能相关的6879篇期刊论文为研究对象,以时空知识图谱及内容知识图谱分析为主要研究方法,基于信息可视化软件CiteSpace从合作国家、研究机构、引用文献、关键词和突现词五个方面对文献大数据进行可视化比较和分析,明确了人工智能领域的研究现状及重要文献,揭示了人工智能领域的研究热点和前沿.最后,通过对五个可视化分析方面的总结,给出了在人工智能领域中选择科研方向、探测学科前沿、辅助科技决策等方面的重要参考.     

人工智能的逆向工程——反向智能研究综述

在大数据时代,人工智能得到了蓬勃发展,尤其以机器学习、深度学习为代表的技术更是取得了突破性进展.随着人工智能在实际场景中的广泛应用,人工智能的安全和隐私问题也逐渐暴露出来,并吸引了学术界和工业界的广泛关注.以机器学习为代表,许多学者从攻击和防御的角度对模型的安全问题进行了深入的研究,并且提出了一系列的方法.然而,当前对机器学习安全的研究缺少完整的理论架构和系统架构.从训练数据逆向还原、模型结构反向推演、模型缺陷分析等角度进行了总结和分析,建立了反向智能的抽象定义及其分类体系.同时,在反向智能的基础上,将机器学习安全作为应用对其进行简要归纳.最后探讨了反向智能研究当前面临的挑战以及未来的研究方向.建立反向智能的理论体系,对于促进人工智能健康发展极具理论意义.     

人工智能在教育领域的思考

人工智能（ARTIFICIAL INTELLIGENCE）一词最初是在 1956 年 DARTMOUTH 学会上提出的,其被应用于多个行业,包括教育、金融、汽车、农业等。人工智能在教育行业的探索包括自动批改作业来解决对老师减负、拍照搜题的在线答疑、语音识别评测、个性化学习、对教学体系进行反馈和评测等。如今包括百度、科大讯飞、沪江等公司已经利用人工智能在教育领域做出了一些探索性的应用,这些应用让人们更便捷地获取信息、找到重点、寻得所求。在这个人工智能爆发的浪潮中,相信人工智能必将给教育行业带来更多的新思路、新成果,提升学习体验。     

人工智能的虚拟仿真技术研究

由于科技发展不断进步,人工智能的虚拟仿真技术也随之迅速发展起来。在过去的十多年,吸引人们最多的 两项技术是虚拟仿真技术的专研以及人工智能技术的专研,在进行这两项技术专研时,智能虚拟环境是发现这两项技术共同 点的主要因素。本文对人工智能的虚拟仿真技术进行分析,找出人工智能的虚拟仿真技术存在的问题,进而深入了解了人工 智能的虚拟仿真技术的建模方式。     

MIMIC数据库智能挖掘研究概述

开源数据库-重症特别护理信息集MIMIC数据库包含了大量的医学数据,自它发布之日起,便得到了众多研究人员的青睐。但低效的挖掘方法很难发现内部的隐含信息,这使得MIMIC数据库得不到很好的利用,造成了资源的浪费。探索新兴的挖掘方法进行知识发现便显得异常重要。文中对围绕MIMIC数据库的各种挖掘方法进行综述,重点阐述了新出现的机器学习和深度学习方法。同时将传统统计学模型与新出现的人工智能技术包括机器学习和深度学习技术进行比较分析。结果发现相比传统的统计学模型,机器学习和深度学习技术在预测病人的早期死亡率、发现疾病影响因素等方面普遍效果更好,这有助于改善医疗质量、帮助医生进行辅助诊断,在一定程度上也减少了病人的医疗费用。     

人工智能在交通指挥中的应用研究

对人工智能进行了研究,分析了机器视觉在道路监视中的作用,指出了监视与控制之间神经网络信号传输中存在的问题．提出了用模式识别技术分解图像中的静态与动态分量的方法。研究表明,采用该方法后,动态数据的传输率可降到1kbit/s。这是一般的无线通信方式都能承受的速率,因此可用窄带无线方法传输图像数据。利用动态数据对道路口各方向运动车辆数量的计算和分析,可预测路口的拥塞程度,实现对路口的智能控制。通过动态数据的图像合成技术实现对监视现场情景的还原,有利于实现交通的人工干预及指挥调度。     

网络时代的人工智能

五十多年来,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正的人类智能还相差甚远。本文强调 在当今的网络时代,作为信息技术的先导,人工智能科学有着非常值得关注的研究方向,要在学科交叉研究中实现人工智能的发展与创新。要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透,尤其是重视认知物理学的研究;自然语言是人类思维活动的载体,是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无尺度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络化了的智能,从而适应信息时代数据挖掘的普遍要求,迎接人工智能科学与应用新的辉煌。     

A framework for Integrating Artificial Intelligence and Simulation

Both Simulation and Artificial Intelligence try to model reality for problem solving and decision making. In this paper, we propose a framework for integrating the two areas by uncovering fundamental similarities between them and opportunities for combining them which can be mutually useful. The framework also shows the potential gains for Simulation by applying Artificial Intelligence concepts (mainly expert systems) to assist in the simulation process and reveals in an organised way the potential gains for Artificial Intelligence by applying concepts derived from Simulation.