深度强化学习研究综述

作为一种崭新的机器学习方法,深度强化学习将深度学习和强化学习技术结合起来,使智能体能够从高维空间感知信息,并根据得到的信息训练模型、做出决策。由于深度强化学习算法具有通用性和有效性,人们对其进行了广泛的研究,并将其运用到了日常生活的各个领域。首先,对深度强化学习研究进行概述,介绍了深度强化学习的基础理论;然后,分别介绍了基于值函数和基于策略的深度强化学习算法,讨论了其应用前景;最后,对相关研究工作做了总结和展望。     

深度强化学习中稀疏奖励问题研究综述

强化学习作为机器学习的重要分支,是在与环境交互中寻找最优策略的一类方法.强化学习近年来与深度学习进行了广泛结合,形成了深度强化学习的研究领域.作为一种崭新的机器学习方法,深度强化学习同时具有感知复杂输入和求解最优策略的能力,可以应用于机器人控制等复杂决策问题.稀疏奖励问题是深度强化学习在解决任务中面临的核心问题,在实际...     

深度学习在智能机器人中的应用研究综述

机器人发展的趋势是人工智能化,深度学习是智能机器人的前沿技术,也是机器学习领域的新课题。深度学习技术被广泛运用于农业、工业、军事、航空等领域,与机器人的有机结合能设计出具有高工作效率、高实时性、高精确度的智能机器人。为了增强智能机器人在各方面的能力,使其更智能化,介绍了深度学习与机器人有关的研究项目与深度学习在机器人中的各种应用,包括室内和室外的场景识别、机器人的工业服务和家庭服务以及多机器人协作等。最后,对深度学习在智能机器人中应用的未来发展、可能面临的机遇和挑战等进行了讨论。     

基于人工神经网络的多源信息融合技术研究

随着科技的飞速发展,多媒体、各种信息源获得的图像数据信息量大、范围广、冗余大,面对如此庞大的数据,要想更合理、高效地利用,必须对这些海量数据进行融合,所以多源信息融合技术成为各个领域的研究热点。人工神经网络由大量互联的处理单元连接而成,跟人的认知处理过程及其相似,具有很强的自学习能力,对不确定的各事物进行关联,以获得对同一事物或目标的更客观、更本质认识的综合信息。基于人工神经网络的多源信息融合技术,结合双方的特点与优势,经过实验证明,融合后的图像效果良好。     

应用Tensorflow 2进行银行客户分类研究

本文利用当前最流行的深度学习框架Tensorflow 2.3,设计了全连接神经网络模型,对银行历史购买理财产品的客户数据进行训练,生成了准确度高的神经网络模型,并利用该模型对新客户是否会购买理财产品预测.结果表明,该模型准确度达到90％以上,获得了较好的应用效果.     

A survey on deep learning in medicine: Why,how and when?

New technologies are transforming medicine, and this revolution starts with data. Health data, clinical images, genome sequences, data on prescribed therapies and results obtained, data that each of us has helped to create. Although the first uses of artificial intelligence (AI) in medicine date back to the 1980s, it is only with the beginning of the new millennium that there has been an explosion of interest in this sector worldwide. We are therefore witnessing the exponential growth of health-related information with the result that traditional analysis techniques are not suitable for satisfactorily management of this vast amount of data. AI applications (especially Deep Learning), on the other hand, are naturally predisposed to cope with this explosion of data, as they always work better as the amount of training data increases, a phase necessary to build the optimal neural network for a given clinical problem. This paper proposes a comprehensive and in-depth study of Deep Learning methodologies and applications in medicine. An in-depth analysis of the literature is presented; how, where and why Deep Learning models are applied in medicine are discussed and reviewed. Finally, current challenges and future research directions are outlined and analysed.     

基于深度学习的气象预报模型研究综述

实时准确的气象预报关乎人民生计、环境生态以及军事决策,受到各界人士的广泛关注和重点研究。数值气象预报是当前的主流预报方法,经过长期发展,其预报精确性和可靠性不断提高,但仍然面临系统误差无法避免、历史观测数据难以利用,以及计算开销巨大等重大挑战。随着深度学习技术的快速兴起,数据驱动的人工智能方法逐渐应用于气象预报领域,为应对上述挑战提供了全新技术手段。基于上述背景,文中全面总结了数值气象预报和深度学习气象预报的研究现状,系统梳理了深度学习气象预报模型的相关概念和输入数据,详细阐述了应用于各类气象预报任务的代表性模型,深入对比了不同模型的技术架构和性能指标,并且分析讨论了该领域目前面临的挑战和未来发展的方向,旨在为相关研究提供参考。     

Has Minsky anything to say for education?

This paper examines some of the concepts outlined by Artificial Intelligence researcher Marvin Minsky in his seminal work, The Society of Mind . The paper takes an overview of the work of Minsky and some of the criticism directed towards it. It then concentrates on two of the most significant agents suggested as models of aspects of the human mind by Minsky: the Frame and the K-Line . An attempt is made to illustrate the significance of the agents of mind for human learning and organising learning milieu and the significance of computing as a meta-model for the Society .     

Artificial intelligence in education: an exploration

The research field of Artificial Intelligence in Education (AIED) embraces a wide diversity of research interests. Psychology, education and cognitive science are strongly represented, alongside computer science and artificial intelligence. A key interest is in modelling, especially of learning processes and cognition. This paper gives a brief outline of the development of AIED, and examples of current issues and projects. The 'AI' in the title may give a misleading picture of a research field that is in fact dynamic and broad, with many links to the classroom.     

人工智能国际研究进展——第17届国际人工智能联合大会评述

1 IJCAI-01概况由国际人工智能联合会(IJCAI)和美国人工智能学会(AAAI)主办的第17届国际人工智能联合会议(17th International Joint Conference on Artificial In-telligence)于2001年8月4至10日在美国华盛顿州西雅图市召开。这是两年一度的国际人工智能界最高学术会议,从1969年开始,已经有30余年的历史。除主办单位外,本次会议还得到了贝尔研究院、波音公司、微软公司、美国国家航空和宇宙航行局(NASA)Ames研究中心、NEC研究院、SemanticEdge和斯坦福研究院(SRI International)的协作。共有约1500人参加了此次会议。中国大陆有三位学者参加,他们是中国科学院计算技术研究所的史忠植研究员,中国科学院软件技术研究所的程虎教授以及南京大学计算机软件新技术国家重点实验室的周志华博士。程虎教授应邀担任会议顾问委员会成员。此外还有很多香港、台湾地区以及海外的华人学者参加了会议。香港科技大学的林方增博士担任了会议程序委员会成员。     

Self-improving AI: an Analysis

Self-improvement was one of the aspects of AI proposed for study in the 1956 Dartmouth conference. Turing proposed a “child machine” which could be taught in the human manner to attain adult human-level intelligence. In latter days, the contention that an AI system could be built to learn and improve itself indefinitely has acquired the label of the bootstrap fallacy. Attempts in AI to implement such a system have met with consistent failure for half a century. Technological optimists, however, have maintained that a such system is possible, producing, if implemented, a feedback loop that would lead to a rapid exponential increase in intelligence. We examine the arguments for both positions and draw some conclusions.

基于人工智能的类风湿性关节炎中医辅助诊疗系统

类风湿性关节炎(RA)是一种广泛存在且慢性、难治的全身性免疫风湿病,中医在其治疗中具有副作用较少、价格相对低廉等优势,但是中医师的缺乏限制RA中医诊疗方案的推广.因此,文中提出基于人工智能的RA中医辅助诊疗系统.通过对患者病历文本和关节影像数据的学习实现对RA和RA证型的判断,辅助医生诊断,并根据证型智能推荐中医药方.文中还基于RA中医药典籍知识构建知识图谱,在医生诊疗过程中提供诊疗知识指导.系统可辅助经验不足的临床医师做出诊疗决策,提高RA的治疗水平,有助于对RA治疗的研究和推广.     

人工智能控制理论现状分析与发展探讨

总结了人工智能控制理论在各个不同阶段的发展状况及理论的突破,介绍了人工智能控制技术在各个时期典型应用的标志成果,分析当前人工智能控制面临要解决的问题,探讨人工智能控制理论今后发展方向。     

深度学习技术在火灾图像识别中的应用

火灾事故频发严重威胁着社会公共安全和人们的生命财产安全.火灾发生的不可预见性增加了火灾防控的难度.传统温感、烟感火灾探测设备对室内空间火灾探测效率较高;以人工选择特征为依据的火灾图像识别技术受限于实际火灾场景特征复杂多变,存在误报情况;深度学习技术通过海量火灾场景图片训练和网络参数优化,自动提取火灾图像深度抽象特征,以...     

基于多图核的迁移学习方法

医学数据标注成本高昂,不同研究中心提供的脑影像数据间存在分布差异,无法有效整合,影响预测模型性能.针对此问题,文中提出基于多图核的迁移学习方法,将不同的图核用于挖掘脑网络结构信息并衡量脑网络间的相似性.提出多核学习框架,提高迁移模型的性能.在自闭症谱系障碍(ASD)多中心数据集上验证文中方法可有效利用脑网络数据的结构信息.多核学习框架也可综合不同图核的优点,进一步提高方法在脑网络数据上的分类性能.