基于拟态计算的高效能大数据应用平台构建研究

拟态计算的本质是实现高效能计算,将拟态计算与大数据技术相结合,建立具有灵活和可拓展的体系结构,能够充分发挥系统整体执行效率,对提高效能比有着十分重要的作用.大数据应用平台是一个以数据分析与预测以及展现等为目的平台.在梳理拟态计算概念的基础上,对大数据应用平台进行了阐述,构建了基于拟态计算的高效能大数据应用平台,并对拟态...     

基于大数据和人工智能的军队院校教学改革

大数据技术和人工智能的快速发展潜移默化地加速军队院校教育领域的发展,为军队院校教育教学提供新的工具和方法。但在实际使用中也暴露出许多问题。比如保障教育人工智能的使用达到预期的理想状态;如何敦促教师的教学理念跟进人工智能技术的发展等。本文通过对军队院校教学资源与教学环境、教与学方式研究以及教学评价与教学管理等几个方面进行研究,探讨基于大数据技术和人工智能的军队院校特有的教学变革和创新,构建符合军队院校学员个性化学习与岗位需求发展相适应的的教育体系,提升军队院校的教学效果。     

基于人工智能和大数据的精准教学研究

人工智能和大数据技术在教学中的应用和普及,为新型教学模式的研究提供了技术支持。学习平台积累的教学双方的行为和分析记录,为精准教学提供了稳定的数据资源保障。为了更好地贯彻以学生为中心的办学理念,促进学生个性化发展,基于中科曙光LMS课程管理平台,依据精准教学理论,从教学目标、预习内容、教学活动和教学考评四个方面对新型教学模式的应用进行研究和探索。实践发现,应用精准教学模式授课后,培养学生自主学习能力、创新思维能力方面的效果都好于传统教学模式,精准教学在教学实践中具有重要的研究价值,在教学质量方面将带来很大的提升空间。     

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.     

大数据与人工智能:大数据智能时代

继移动互联技术和云计算技术之后,能够称得上颠覆性信息技术的当属大数据技术了.它使得我们能够对数量大、种类多、价值密度低、本身快速变化的数据进行有效地、低成本地存取、检索、分类以及统计.但这不代表我们可以高效率和低成本地掌握这些数据中蕴藏的巨大价值,诸如隐性社会科学规律和经验.不过值得一提的是,人工智能技术在大数据分析、预测等领域已经开始崭露头角,展现出了强劲的发展势头,大数据的核心使用价值在人工智能技术的发展与运用下展示了巨大潜力.同时,大数据技术的发展也为人工智能领域带来了大量机遇和挑战,更加激发了该领域的无限发展可能性.     

人工智能时代大数据风险管理的建议

伴随着信息技术的不断发展,人们的视野中不断涌进崭新的智能技术,人工智能在社会的发展过程中起到了关键性的作用。但是,人工智能在给社会带来价值和财富的同时,也存在很多安全隐患。因此,在人工智能时代,提高大数据风险管理能力,提高人们对大数据风险的管理意识十分重要。     

面向大数据复杂应用的GPU协同计算模型

大数据计算中存在流计算、内存计算、批计算和图计算等不同模式,各种计算模式有不同的访存、通信和资源利用等特征。GPU异构集群在大数据分析处理中得到广泛应用,然而缺少研究GPU异构集群在大数据分析中的计算模型。多核CPU与GPU协同计算时不仅增加了计算资源的密度,而且提高节点间和节点内的通信复杂度。为了从理论上研究GPU与多核CPU协同计算问题,面向多种计算模式建立一个多阶段的协同计算模型（p-DCOT）。p-DCOT以BSP大同步并行模型为核心,将协同计算过程分成数据层、计算层和通信层三个层次,并且延用DOT模型的矩阵来形式化描述计算和通信行为。通过扩展p-DOT模型描述节点内和节点间的协同计算行为,细化了负载均衡的参数并证明时间成本函数,最后用典型计算作业验证模型及参数分析的有效性。该协同计算模型可成为揭示大数据分析处理中协同计算行为的工具。     

大数据时代的人工智能范式

由于大数据技术对于当前人工智能的范式研究具有一定助推作用,因此要求科研人员对于大数据的相关内容有着良好的把握,以便准确掌握大数据技术对于人工智能发展的作用,尽快转变常规的思维模式,可在大数据时代做好人工智能范式研究及机器的应用工作。基于此,笔者对大数据、人工智能涉及的相关内容进行了概述,并对大数据背景之下的人工智能主要范式做出了详细的探究与分析。     

大数据和人工智能在城市风险管理方面的应用和探索

近年来,我国城市化水平不断提高,城市风险的管理问题也逐渐受到越来越多的关注。大数据和人工智能技术的出现,为城市风险管理提供了新的解决思路和途径。本文结合目前的理论研究和实践案例,提出构建“一数据、二要素、三机制”的立体式框架以识别城市风险,采用“统计学模型+人工智能算法”的复合方法评价城市风险,提出建立“多主体协同+人工智能为辅”的智慧型管理城市风险体系的整体思路和方案,为推动城市风险的现代化管理提供支撑。     

基于拟态计算的大数据高效能平台设计方法

针对当前大数据应用主要以通用处理器为计算核心,且系统结构单一、能效比低,无法充分满足大数据的计算需求。基于拟态计算模型,提出了一种大数据高效能平台的设计方法。该方法以算粒为基本研究对象,深入剖析大数据应用算法的特征,合理划分各计算子任务;其次,构造体系结构匹配矩阵,并将子任务分配到合理的处理部件上;最后,利用动态电压/频率调节技术和数据布局算法,实现非关键任务的电压控制,并优化关键任务的结构布局。实验结果表明,拟态计算能深度融合各异构计算部件,建立具有灵活、可拓展的体系结构,充分发挥系统整体执行效率,降低功耗,提高能效比。     

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.     

大数据分析中的计算智能研究现状与展望

随着产业界和科学界数据量的爆炸式增长,大数据技术和应用吸引了众多的关注.如何分析大数据,充分挖掘大数据的潜在价值,成为需要深入探讨的科学问题.计算智能是科学研究和工程实践中解决复杂问题的有效手段,是人工智能和信息科学的重要研究方向,应用计算智能方法进行大数据分析具有巨大的潜力.对大数据分析中的计算智能方法进行综述,结合大数据的特征,讨论了大数据分析中计算智能研究存在的问题和进一步的研究方向,阐述了数据源共享问题,并建议利用以天文学为代表的数据密集型基础科研领域的数据开展大数据分析研究.     

基于云计算的大数据处理技术

为解决大数据处理的瓶颈,分析了大数据及云计算的关键技术,论述了大数据和云计算之间的关系,利用云计算在数据存储、数据管理和虚拟化等方面的技术优势,构建了基于云计算的大数据管理和处理模式,为大数据的研究及应用提供了新的思路和技术基础。     

一种异构集群中能量高效的大数据处理算法

集群的能量消耗已经超过了其本身的硬件购置费用,而大数据处理需要大规模的集群耗费大量时间,因此如何进行能量高效的大数据处理是数据拥有者和使用者亟待解决的问题,也是对能源和环境的一个巨大挑战.现有的研究一般通过关闭部分节点以减少能量消耗,或者设计新的数据存储策略以便实施能量高效的数据处理.通过分析发现即便使用最少的节点也存在很大的能源浪费,而新的数据存储策略对于已经部署好的集群会造成大规模的数据迁移,消耗额外的能量.针对异构集群下I/O密集型的大数据处理任务,提出一种新的能量高效算法MinBalance,将问题分为节点选择和负载均衡两个步骤.在节点选择阶段采用4种不同的贪心策略,充分考虑到节点的异构性,尽量选择最合适的节点进行任务处理;在负载均衡阶段对选择的节点进行负载均衡,以减少各个节点因为等待而造成的能量浪费.该方法具有通用性,不受数据存储策略的影响.实验表明MinBalance方法在数据集较大的情况下相对于传统关闭部分节点的方法可以减少超过60%的能量消耗.     

软计算方法——人工智能发展的新思路

静态的、严格的“物理符号系统”假设曾使传统人工智能一度陷人困境,软计算方法处理问题的灵活性和不确定性为人工智能的发展提供了新思路,作为一种创建计算智能的新颖方法,软计算对于人工智能的发展具有重要的意义。     

高性能计算集群的Linpack测试及其在大数据中的应用

高性能计算集群用于高效并行计算,具有很高的性价比和良好的可扩展性,如何测试和评价集群系统性能成为一个关键问题。本文基于6个节点的集群进行Linpack测试,测试不同问题规模、计算节点数、求解矩阵数据分块NB、处理器网格拓扑P×Q、网络通信等重要因素,将单机与集群的计算性能进行对比,测试集群性能,结果表明：该集群的并行计算性能良好,可扩展性强,但硬件通讯能力需进一步改善。应用该集群到实际的地震大数据计算中,该集群的并行计算能力得到了很大的提升。     

大数据时代下网络群体智能研究方法

首先,对大数据时代下大众广泛深度交互的互联网环境进行了分析;其次,提出并释义了网络群体智能,指出网络群体智能具有"网络数据驱动,交互形式复杂,网络效应强大,知识生产为主,不确定性认知"等特性;然后,提出网络群体智能研究方法,该研究方法以复杂性科学方法论为指导,坚持融贯论,以复杂性科学、网络化数据挖掘和不确定性人工智能为支撑理论方法,突出网络群体智能特色和多学科交叉融合研究,采用系统分析、建模分析和仿真分析相结合技术途径从结构和动力学视角对网络群体智能科学问题进行多尺度多层次研究,解决网络群体智能研究理论方法不足的问题,深化了对网络群体智能和社会计算的认识。     

面向AI的数据管理技术综述

人工智能技术因其强大的学习和泛化能力已被广泛应用于各种真实场景中.然而,现有的人工智能技术仍然面临着三大挑战:第一,现有的AI技术使用门槛高,依赖于AI从业者选择合适模型、设计合理参数、编写程序,因此很难被广泛应用到非计算机领域;第二,现有的AI算法训练效率低,造成了大量计算资源的浪费,甚至延误决策时机;第三,现有的A...     

Big Data Analytics Services for Enhancing Business Intelligence

This article examines how to use big data analytics services to enhance business intelligence (BI). More specifically, this article proposes an ontology of big data analytics and presents a big data analytics service-oriented architecture (BASOA), and then applies BASOA to BI, where our surveyed data analysis shows that the proposed BASOA is viable for enhancing BI and enterprise information systems. This article also explores temporality, expectability, and relativity as the characteristics of intelligence in BI. These characteristics are what customers and decision makers expect from BI in terms of systems, products, and services of organizations. The proposed approach in this article might facilitate the research and development of business analytics, big data analytics, and BI as well as big data science and big data computing.