共查询到20条相似文献,搜索用时 9 毫秒
1.
文章主要介绍了云计算技术的特征和云计算实现的关键技术,并阐述了云计算数据中心建设的概况,最后提出一种用于人工智能领域文本相似度比对的云计算框架方案。结果表明,该方案具备良好的可靠性和可扩展性。 相似文献
2.
3.
过去10年中涌现出大量新兴的多媒体应用和服务,带来了很多可以用于多媒体前沿研究的多媒体数据。多媒体研究在图像/视频内容分析、多媒体搜索和推荐、流媒体服务和多媒体内容分发等方向均取得了重要进展。与此同时,由于在深度学习领域所取得的重大突破,人工智能(artificial intelligence,AI)在20世纪50年代被正式视为一门学科之后,迎来了一次“新”的发展浪潮。因此,一个问题就自然而然地出现了:当多媒体遇到人工智能时会带来什么?为了回答这个问题,本文通过研究多媒体和人工智能之间的相互影响引入了多媒体智能的概念。从两个方面探讨多媒体与人工智能之间的相互影响:一是多媒体促使人工智能向着更具可解释性的方向发展;二是人工智能反过来为多媒体研究注入了新的思维方式。这两个方面形成了一个良性循环,多媒体和人工智能在其中不断促进彼此发展。本文对相关研究及进展进行了讨论,并围绕值得进一步探索的研究方向分享见解。希望可以对多媒体智能的未来发展带来新的研究思路。 相似文献
4.
仇文凯 《数码设计:surface》2021,(10):11-11
随着现代科技水平的不断能提高,人工智能技术的发展也获得了广阔的空间,同时也受到了人们的重点关注。而人工智能在计算机技术中的应用则是当下计算机技术研究的重点方向,借助人工智能技术的优势来改善计算机技术的应用效果,目前针对人工智能在计算机技术中的应用,充分发挥人工智能技术的优势与作用,使计算机技术中现存的多种问题得到改善,提高了计算机技术的智能化水平,应用效果也更加稳定。本文主要围绕人工智能技术与计算机技术展开论述探讨了计算机技术中人工智能的应用。 相似文献
5.
概述了大数据和人工智能(Artificial Intelligence,AI)的基本概念,详细探讨了其在网络技术中的优势,如大数据时代下人工智能改进了神经网络功能、提高了信息安全管理水平。最后提出了一系列应用策略,包括构建智能防火墙以及增强问题解决能力等。分析了大数据时代下AI在计算机网络技术中的潜力,为未来的研究提供了启示。 相似文献
6.
近年来,以深度学习模型为基础的人工智能研究不断取得突破性进展,但其大多具有黑盒性,不利于人类认知推理过程,导致高性能的复杂算法、模型及系统普遍缺乏决策的透明度和可解释性。在国防、医疗、网络与信息安全等对可解释性要求严格的关键领域,推理方法的不可解释性对推理结果及相关回溯造成较大影响,因此,需要将可解释性融入这些算法和系统中,通过显式的可解释知识推理辅助相关预测任务,形成一个可靠的行为解释机制。知识图谱作为最新的知识表达方式之一,通过对语义网络进行建模,以结构化的形式描述客观世界中实体及关系,被广泛应用于知识推理。基于知识图谱的知识推理在离散符号表示的基础上,通过推理路径、逻辑规则等辅助手段,对推理过程进行解释,为实现可解释人工智能提供重要途径。针对可解释知识图谱推理这一领域进行了全面的综述。阐述了可解释人工智能和知识推理相关概念。详细介绍近年来可解释知识图谱推理方法的最新研究进展,从人工智能的3个研究范式角度出发,总结了不同的知识图谱推理方法。提出对可解释的知识图谱推理研究前景和未来研究方向。 相似文献
7.
目前的深度学习模型在加密流量分类任务上相较于传统机器学习方法的性能优势显著,然而由于它固有的黑盒特性,用户无法获知深度学习模型作出分类决策的机理。为了在保证分类准确率的同时提高深度学习模型的可信度,提出一种面向加密流量分类深度学习模型的可解释方法,包括基于原型的流量层级主动解释和基于特征相似显著图的数据包层级被动解释。首先,利用基于原型的流量原型网络(FlowProtoNet),在训练时自动提取各类流量的典型片段,即流量原型;其次,在测试时计算出待测流量与各类原型的相似度,从而在分类的同时实现训练集的溯源解释;然后,为进一步提升可视化解释能力,提出梯度加权的特征相似度显著图(Grad-SSM)方法。Grad-SSM首先通过梯度对特征图加权,过滤分类决策无关区域;接着,计算待测流量与FlowProtoNet提取的原型之间的推土机距离(EMD)得到相似矩阵,从而通过比较测试流量与该类原型,实现注意力热图的进一步聚焦。在ISCX VPN-nonVPN数据集上,所提方法的准确率达到96.86%,与不可解释的人工智能方法持平,而FlowProtoNet能通过给出与原型的相似度,进一步提供分类依据... 相似文献
8.
在信息处理与决策方面,人工智能(AI)方法相比传统方法表现出了优越的性能。但在将AI模型投入生产时,其输出结果并不能保证完全准确,因此AI技术的“不可信”逐渐成为AI大规模落地的一大阻碍。目前人工智能被逐步应用到软件工程中,其过度依赖历史数据和决策不透明等弊端愈发明显,因此对决策结果做出合理的解释至关重要。文中对可解释性人工智能的基本概念、可解释模型的评估进行了详细阐述,探讨了软件工程与可解释人工智能结合的可行性;同时调研了相关文献,对软件工程中的恶意软件检测、高风险组件检测、软件负载分配、二进制代码相似性分析这4个人工智能的典型应用方向做出分析,讨论如何通过可解释AI揭示系统输出的正确程度,进而提高系统决策的可信度;最后展望未来软件工程与可解释人工智能相结合的研究方向。 相似文献
9.
深度神经网络在多个领域取得了突破性的成功,然而这些深度模型大多高度不透明。而在很多高风险领域,如医疗、金融和交通等,对模型的安全性、无偏性和透明度有着非常高的要求。因此,在实际中如何创建可解释的人工智能(Explainable artificial intelligence, XAI)已经成为了当前的研究热点。作为探索XAI的一个有力途径,模糊人工智能因其语义可解释性受到了越来越多的关注。其中将高可解释的Takagi-Sugeno-Kang(TSK)模糊系统和深度模型相结合,不仅可以避免单个TSK模糊系统遭受规则爆炸的影响,也可以在保持可解释性的前提下取得令人满意的测试泛化性能。本文以基于栈式泛化原理的可解释的深度TSK模糊系统为研究对象,分析其代表模型,总结其实际应用场景,最后剖析其所面临的挑战与机遇。 相似文献
10.
智能识别技术受到了社会各界广泛关注,应用于社会中不同的行业,并发挥了明显优势和作用。文章基于计算机人工智能(Artificial Intelligence,AI)识别技术,从语音识别技术、人脸识别技术、指纹识别技术、智能卡识别技术以及智能卡识别技术等方面分类人工智能识别技术,并就其在各行各业的应用进行研究。 相似文献
11.
在过去20年里,医学影像技术、人工智能技术以及这两项技术相结合的临床应用都取得了长足发展。中国在该领域的研究也取得卓越成就,并且在全世界范围内的贡献比例仍在逐步提高。为了记录和总结国内同行的科研成果,本文对中国医学影像人工智能过去20年的发展历程进行回顾和展望。重点分析了国内同行在公认的医学影像人工智能领域的国际顶级刊物Medical Image Analysis(MedIA)和IEEE Transactions on Medical Imaging(TMI)以及顶级会议Medical Image Computing and Computer Assisted Intervention(MICCAI)发表的论文,定量统计了论文发表数量、作者身份、发表单位、作者合作链、关键词和被引次数等信息。同时总结了近20年中国医学影像人工智能发展进程中的重要事件,包括举办的医学影像人工智能知名国际和国内会议、《中国医学影像AI白皮书》的发布以及国内同行在COVID-19(corona virus disease 2019)期间的贡献,最后展望了中国医学影像人工智能领域未来的发展趋势。上述统计结果系统... 相似文献
12.
随着媒介智慧化变革的进程,AI技术也与媒体深度融合发展,它几乎能够参与媒体工作的全部流程,为媒体信息生产与传播的数字化、高效化、精准化发展带来新的可能性。本文从人工智能技术与媒介融合发展的现状、应用场景等方面做了梳理和论述,并对于技术发展可能带来的信息安全和社会伦理问题提出思考和举措,旨在推动人工智能技术在媒体工作中的应用和发展。 相似文献
13.
作者从深度和广度两方面探讨了信息技术应用于化工过程的新进展。在深度上主要探讨了人工智能,特别是基于知识的系统和人工神经网络在化工过程中的应用概况2。在广度上主要探讨了化工生产向工业综合自动化方向发展的趋势是具体理论与技术内容。 相似文献
14.
15.
16.
互联网时代,计算机网络实现了信息的高效交互与通信,为人们带来了巨大便利。但是,随之而来的安全问题不容小觑,各种漏洞、木马病毒等因素不时影响着网络安全,威胁着人们信息安全和财产安全,严重影响着计算机网络深度应用。因此,文章基于人工智能(Artificial Intelligence,AI)技术赋能下,采用分层架构设计计算机网络安全防护系统,以期提升计算机网络安全防护能力。 相似文献
17.
人工智能是一项现代化技术,已经渗透到社会生活的各个方面,为人们的工作和生活带来了极大的便利。同时人工智能也是计算机网络技术的重要构成元素,传统的计算技术已无法解决人们生活的大量数据,而人工智能在计算机网络技术方面的应用可以提高人们工作和生活效率,两者相辅相成从而实现效益的最大化。本文介绍了人工智能的概念、优势与必要性,指出了传统网络技术中的问题,进而探讨了人工智能在计算机网络中的具体应用。 相似文献
18.
19.
20.
朱江毅 《电脑编程技巧与维护》2017,(24):63-65
在科学技术快速发展的今天,基于智能化和人性化的人工智能技术逐渐成为了新时代计算机技术发展的重要方向.从人工智能技术优势入手,就其在计算机网络技术中的应用进行了深入探讨,希望不断提升国内计算机网络技术性能. 相似文献