人工智能与软件工程的交叉研究

本文讨论了人工智能和软件工程之间的交叉领域，探索了二个领域间相互作用的主要形式，并讨论了基于AI的支持环境和实际软件中的AI机制．AI和SE的结合将改变软件生产的被动局面，导致新的软件开发规范的形成，因此对交叉领域的探索具有一定意义．     

人工智能与软件工程交叉领域分析

本文是一篇视野广阔的综述,论及人工智能(AI)和软件工程(SE)之间交叉的领域。提出这一交叉领域的分类,及其与探索这两个领域间相互作用的其它主要工作的关系。分别描述三个主要子领域:基于AI的支持环境;实际软件中的AI机制与技术;和AI软件中软件工程工具与技术。并以代表性的实例加以说明。最后,提请注意的是,这一交叉领域正在发生变革,因此,当前探索这种可能交叉的任何工作都被视为一种推测而已。     

软件工程需要人工智能

软件工程是一个知识密集型活动,需要关于应用领域和目标软件本身的广泛知识。软件工程中不少费用都归因于当前技术不能有效地管理这些知识,人工智能技术能帮助缓和这种不利局面.二十多年来,研究取得了许多重要的理论成果,但证明有其实用性的不多。一部分原因是软件工程活动需要的知识量大,种类多,一部分原因是许多工作研究的面太窄,忽略了许多具有重大实际意义的问题.尚未解决的重要问题包括:如何表示和使用领域知识,如何表示一个软件系统的设计和实现历史。如果这些问题解决了,并且在实际环境中实验成功,那么对软件工程实践将有深远的影响,而且可能出现与今天根本不同的软件开发范例.     

人工智能在软件工程的应用

人工智能是能将计算机与网络结合起来的关键技术,目前在人们生活的各个领域都已经被利用.人工智能可以准确并快速地处理数据,还可以保证数据的完整性,据有很大优势,因此,软件工程中人工智能有很高的应用价值.     

人工智能与机器人的交叉研究

机器人、人工智能,它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学.实时人工智能是实时系统和人工智能技术相互结合的一个新的研究领域.实时人工智能系是统是一种在动态的环境中,能够利用有限的资源来可靠地完成关键性任务的系统.机器人、人工智能实时系统作为一个整体的研究才刚刚开始,离我们的目标还很遥远.但人工智能在某些方面将会有较大的突破.     

可视化与人工智能交叉研究综述

随着人工智能技术的突破性进展,人工智能与可视化的交叉研究成为当前的研究热点之一,为人工智能和大数据分析领域的若干核心难题提供了启发式的理论、方法和技术.一方面,人工智能技术的创新应用提升了可视化的分析效率,拓展了分析功能,为大数据可视分析提供了强有力的工具.另一方面,可视化技术增强了以深度学习为代表的人工智能的可解释性...     

人工智能与智能交通的交叉融合

智能交通系统是近几年迅速发展的一个领域,需要大量与智能相融合的技术提供支撑。人工智能技术是当今IT技术发展的前沿,已经广泛应用于多个领域。由于智能交通系统可以为人工智能的应用与发展提供大量研究对象,因此实现人工智能技术与智能交通领域的融合具有重要意义。笔者分析了智能交通系统的发展、特点,阐述了了人工智能技术在交通领域的应用,并针对两者交叉融合的结点综述智能交通系统,提出了未来智能交通的设想。     

新一代计算中的软件工程和人工智能

SPL-Insight是英国一家专门从事高级信息技术研究的跨国公司。它把1984年度的大奖颁发给了R.B.Kowalski教授,以表彰他在第五代计算方面的杰出成就。1984年5月15日,Kowalski在伦敦的授奖大会上发表了演讲。1984年6月,North-Holland创刊了FGCS(未来一代计算机系统)杂志,征得Kowalski教授与SPL-Insight公司的许可,刊出了讲演稿。本文就是根据发表的这篇讲演稿译出的。本文着重讲了在新一式计算中,人工智能,软件工程和数据库各自占有的地位以及相互之间的关系。作者认为:逻辑程序设计技术是三者的桥梁,是趋于统一的基础。     

软件工程核心课程内容重叠交叉的解决

针对软件工程导论、面向对象技术与UML及系统分析与设计等软件工程专业核心课程存在教学内容交叉重叠,导致浪费授课学时,学生出勤率下降,教学计划不合理的问题,在深入分析3大核心课程的内含、教学目的基础上,指出课程间的可能交叉与重叠。提出以教学目标为依据,从宏观和具体内容两个角度避免重叠与交叉的方法,并具体阐述保留客观的重叠与交叉,消除主观的重叠与交叉的具体措施。     

针对软件工程课程的人工智能实验案例设计

针对长期以来软件工程课程教学存在的重理论、轻实践问题,提出将软件工程理论与人工智能实验合理结合的教学理念,分析软件工程课程理论与实践结合的研究现状,以实验案例介绍软件工程课程的人工智能相关实验设计过程,目的是提高相关课程的实验教学质量。     

基于可解释性人工智能的软件工程技术方法综述

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。     

基于学科交叉的软件工程专业硕士课程体系建设

随着软件在各个行业关键业务中的深入应用,培养具备软件工程和相关学科交叉技术的人才是软件学院的迫切任务。文章结合当今主流技术的发展和应用,以交叉学科人才培养机制研究和全日制专业学位研究生培养机制研究为依据,重点讨论软件工程与云计算技术交叉,面向移动和大数据应用的相关专业方向课程体系建设,并系统讨论课程设置方案和交叉特性的体现。     

人工智能和大数据交叉领域的思考

人工智能成为改变未来的机器,我们在大数据的时代体验信息的冲击.浪潮下从工、商、医、教四个主要交叉领域思考大数据的智能,希望能对人工智能和大数据有理性地认识和运用.     

面向领域的软件工程专业硕士交叉培养模式探讨

按照软件工程专业硕士学位标准的要求,针对部分院校小规模招生的特点,结合华中师范大学软件工程专业硕士培养实践,提出以培养软件工程复合型应用人才为目标、结合具体研究与应用领域的软件工程专业硕士交叉培养模式,从课程设置、培养环节、专业实习与毕业论文撰写等方面探讨如何实现软件工程专业硕士培养的高质量与高效率。     

交叉融合的“人工智能+”学科建设探索与实践

目前,人类正迈入智能时代,人工智能与经济、社会的发展深度融合,成为了孕育新一轮科技革命和产业变革的核心推动力量,培养智能社会建设所需要的跨学科人工智能创新创业人才变得极为必要。为了适应智能时代对人才培养的这一迫切需求,高校需要加强智能类学科建设,探索交叉融合的“人工智能+”学科建设新模式,提升人工智能领域学科地位并创新拓展其他学科的发展建设方向。文中提出了“人工智能+”学科建设的交叉融合模式:一方面,从人工智能学科内涵出发,依托计算机科学与技术学科开展人工智能基础学科方向建设,夯实人工智能领域学科的基础;另一方面,结合社会经济产业发展的重点领域方向布局,依托相关领域优势学科发展建设行业领域智能化新学科方向,实现人工智能学科建设与其他领域学科建设的共融共生、相互助力、协同发展。在重庆邮电大学和重庆市的学科建设中,这一模式发挥了显著作用,为人工智能领域的学科建设提供了有益参考。     

人工智能神经网络在交叉立方体上的有效映射

Malluhi等人在文献犤1犦中介绍了人工智能神经网络(ANNs)在超立方体上的有效映射,交叉立方体是超立方体的一个重要变型,而且具有比超立方体更优越的性质,如果在交叉立方体上实现ANNs的有效映射,会有更好的意义。论文证明了一个N×NMAT(mesh-of-appendixed-trees)可以嵌入包含4N2个节点的交叉立方体中,其中N是最大一层的长度,并且证明这个嵌入是最优的,从而给出了ANNs在交叉立方体上的一个有效映射。     

软件工程与项目管理

9月17日,对象管理组织(OMG)和Health Level Seven 组织(HL7)宣布进行战略性合作,开发医疗保健行业的软件标准。HL7目前是国际医疗界公认的医疗信息交换标准,中国已经在2000年1月以 HL7中国协作中心(HL7 CHINA)的名义成为其国际会员。OMG 主席 Richard Mark Soley说:“这是医疗标准的里程碑。”HL 7轮席主席Mark Shafarman 也称:“HL7很高兴能和OMG一起创建标准,希望将来 UML 能够     

软件工程与项目管理

如果您也参加了2004年12月的中国软件开发大会,您也许会注意到胸牌上明显的 Telelogic 标记,这是一家建模工具厂商。根据 IDC 的预测,建模工具市场需求将节节上升,2008年会达到7.5亿美元,各厂商都加快了步伐。Sun 在12月14日发布了 Java StudioEnterprise 7.全面支持 UML 是新版本的重要特性。Borland 则力推基于角色的懈决方案 Together Architect 2005、Together