解决一类博弈问题的神经网络系统

从博弈问题的固有属性出发，探讨了解决博弈问题的新途径，并阐述了如何建造解决一类博弈问题的神经网络系统。所建的对弈实验系统运行效果良好，这表明用神经网络来解决博弈问题有着广阔的前景。     

基于语义网络的神经网络系统

文章通过分析语义网络知识表示及神经网络研究的各自特点与现状,提出了将基于语义网络的知识表示方法引入神经网络知识处理中的设想,并作了一些初步的探讨。     

用神经网络系统解决图象标记问题的探讨

本文讨论了图象标记问题的基本概念,给出基于松弛算法的图象标记方法的形式化描述。将Hopfield神经网络模型用于解决图象标记问题,描述了网络结构、能量函数、联结强度以及输出函数。     

类脑超大规模深度神经网络系统

大规模神经网络展现出强大的端到端表示能力和非线性函数的无限逼近能力,在多个领域表现出优异的性能,成为一个重要的发展方向.如自然语言处理(NLP)模型GPT,经过几年的发展,目前拥有1750亿网络参数,在多个NLP基准上到达最先进性能.然而,按照现有的神经网络组织方式,目前的大规模神经网络难以到达人脑生物神经网络连接的规...     

分布式博弈树搜索算法

本文提出了分布式博弈树搜索ＤＤＳ算法，从通信开销、存储开销、加速比等方面分析了算法性能，并与ＳＳＳ和α－β算法在搜索结点个数方面作了比较，模拟实验表明ＤＤＳ是一种高效实用的分布式搜索算法。     

面向人工智能专业课程的棋类博弈教学辅助平台

针对人工智能类课程博弈算法理论性太强、算法较复杂和抽象等问题,设计并实现功能较为完整、用户界面友好的棋类博弈教学辅助平台,平台允许用户上传编写好的博弈程序,实现博弈程序间对弈、人与博弈程序对弈以及人人对弈。本文阐述了棋类博弈教学辅助平台的总体设计、主要功能模块以及搭建平台采用的核心技术。棋类博弈教学平台的设计有益于培养学生依据所学理论知识来解决实际问题的能力,促进学生对计算机博弈程序和人工智能方法的不断探索改进,以达到更好的教学效果。本文进一步评估了棋类博弈平台在人工智能课程的实际使用情况与实践效果。     

人工智能技术在中国象棋博弈中的应用与发展

人工智能(Artificial Intelligence),英文缩写为AI.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.人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等.而机器博弈被认为是人工智能领域最具挑战性的研究方向之一.     

神经计算机的研究与发展

1 引言从40年代冯·诺依曼发明基于串行符号处理的数字计算机以来,数字电子计算机已经取得了巨大的成功,但在诸如模式识别、人工智能等研究领域却碰到了极大的困难,人们不得不以更大的兴趣去研究以并行处理模式为特征的神经计算机。80年代,在美国、日本和欧洲都掀起了一股研究神经网络理论和神经计算机的热潮。各先进国家相继投入巨额资金用于研究新型智能计算机,其研究重点主要是将神经网络原理用于图像处理、模式识别、语音综合及智能机器人控制等领域。1987年6月在美国召开了第一届神经网络国     

机器人主动装配作业的人工神经网络系统

本文在对机器人销孔装配过程销的装配力与位姿关系实验分析的基础上,设计了 机器人主动装配作业的人工神经网络系统．     

大规模图神经网络系统综述

图神经网络(GNN)是一类基于深度学习的处理图域信息的方法,它通过将图广播操作和深度学习算法结合,可以让图的结构信息和顶点属性信息都参与到学习中,在顶点分类、图分类、链接预测等应用中表现出良好的效果和可解释性,已成为一种广泛应用的图分析方法.然而现有主流的深度学习框架(如TensorFlow、PyTorch等)没有为图...     

俄罗斯方块的Hamming神经网络模型

人工智能技术在游戏的应用非常广泛。提出一种基于Hamming神经网络的俄罗斯方块游戏模型,该模型首先利用局势图不同位置上的方块构成一个模式矩阵,将下落的方块视为待匹配的模式,在Hamming网络的前馈层进行模式匹配,计算出模式间Hamming距离,在递归层进行迭代寻优,得到方块的最佳位置与姿态。在MATLAB上实现了该模型及其游戏,能够自动堆积俄罗斯方块。与已有的评估函数及算法相比,该模型更具有一般性,可为其他类型游戏的建模提供参考。     

广义聚类神经网络GC

聚类分析神经网络的输入样本序列具有各种不同的空间分布性态,这就要求采用不同的相似匹配准则。本文以广义距离和广义相似匹配准则为基本概念,介绍了广义聚类神经网络ＧＣ的设计思想和网络的学习训练方法,该方法具有广泛的适用性。     

神经网络结构的动态构筑方法

如何决定人工神经网络的适当规模,以往都是通过试探法实现,不但费时,而且无规律可循。文中基于神经网络的基本学习算法,构筑动态网络结构,使之更符合抽取的新的输入、输出特性。讨论了构筑动态神经网络的一种途径。学习是从最简单的网络(无隐含单元)开始,新的单元一步一步补充,直到网络给出一个满意的模拟值。     

一种与人工神经网络结合的人工内分泌系统模型

人体的内分泌系统具有强大的自适应、自调节能力.在人体的内分泌系统中,甲状腺激素能使人类在紧急情况下产生异常迅速的反应,从而增加人类的生存概率.本文借鉴甲状腺激素的分泌,储存和释放机制,提出一种新的与人工神经网络结合的人工内分泌模型,称为TAES(Thyroid hormone inspired Artificial Endocrine System)模型.TAES模型可以增加控制系统对动态环境的适应性.本文将TAES模型应用于机器人避障实验中.实验结果表明,该系统可以增加机器人在紧急情况下的避障能力.     

粗糙集神经网络系统在故障诊断中的应用

故障诊断中的误报和漏报现象直接影响诊断的准确率,同时在线故障诊断又要求很强的实时性,本文在给出粗糙集神经网络系统原理框图的基础上,结合领域知识把该系统应用于滚动轴承的故障诊断中,仿真实验结果表明该系统提高了故障诊断的准确率和诊断速率,同时减少了检测项目,降低了诊断成本,在实际中有良好的应用前景。     

基于模式化知识和人工神经网络的智能设计系统框架研究

阐述了将神经网络和模式识别引入智能设计系统的模型－集成转换模型,在该模型中,对智能系统与设计的实现系统的结合进行了探讨,提出了数值编译器与反编译器、图形／编码转换器等将神经网络引入设计系统来的工具和方法。     

一种奇异混合信号盲分离的神经网络模型

混合信号盲分离问题是一类很难而又具有很强应用背景的问题,以往对这类问题的研究均在混合矩阵为非奇异的条件下进行,本文给出一种神经网络模型及相应算法,处理混合矩阵为奇异的混合信号盲分离问题。     

基于Dueling-DDQN的电力信息网络入侵检测算法

电力信息系统应用智能电网来管理电力设备。随着社会用电总量的增加和智能电网的推广与发展,电力网络的规模逐渐变大且管理复杂,然而,保障电力信息系统的安全是重要的。网络入侵检测技术可以有效避免来自网络的入侵行为和攻击,进而保障系统的安全。本文采用深度强化学习方法中的Dueling-DDQN算法解决网络中存在的入侵检测问题,智能体根据试错式的学习获得奖赏值来训练算法以提高网络入侵检测的效率且同时降低人工成本。最后使用NLS-KDD数据集进行对比实验,实验结果表明基于Dueling-DDQN的网络入侵检测算法可以提高检测的效率,进而更好地保障网络的安全性。