在体生物光学成像技术的研究进展

在体生物发光成像和在体荧光成像是近年来新兴的在体生物光学成像技术, 能够无损实时动态监测被标记细胞在活体小动物体内的活动及反应, 在肿瘤检测、基因表达、蛋白质分子检测、药物受体定位、药物筛选和药物疗效评价等方面具有很大的应用潜力. 本文详细介绍了在体生物发光成像和在体荧光成像的特点、系统及应用, 比较了它们的异同, 综述了在体生物光学成像技术的基本原理和应用领域, 讨论了将其应用于临床的进一步发展方向.     

“数字城市”系统与综合集成技术

城镇化是人类社会和产业革命发展的必然过程。白上世纪中叶，随着政治、经济特别是科学技术的迅速发展，城市化现象迅速推进，形成广义建筑学及人居环境学，构成了一个规模巨大的系统。进入21世纪，由于信息技术与网络技术得到迅速的发展，自动化、信息化以至智能化成为人们关注的热点。在城镇建设方面，它不仅是建筑物本身，而且对各种信息系统，如用于管理和提供服务的系统，提供舒适的工作与生活环境，形成智能家居、智能建筑，这些构思与实践，已经成为时代的追求目标。在国内，青岛胶州湾工业园区的数字化建设，深圳市民大楼正在进行的智能楼宇综合集成系统的建设，这代表着全球化城市建设的方向，目前虽然规模尚小，但其前景是有深远意义的。     

基于标记逻辑的非单调推理（Ⅱ）

本文研究不循环ＡＬＰ的说明语义．利用依赖关系的非自反性，把程序的Ｈｅｒｂｒａｎｄ基分类成一系列不相交集合．在此基础上，引进多重极限的概念，并证明，不循环程序存在唯一的支持模型，该模型就是程序的ｋ重极限，其中ｋ是程序中自由子句的个数．     

第七届国际模式识别会议在加拿大举行

第七届国际模式识别会议于1984年7月30日至8月2日在加拿大Montreal举行,约有六百多位各国学者参加了会议,我国清华大学、中国科学院自动化所等单位的九位学者及十多位我国在美国、法国等国家的访问学者和研究生也参加了会议,并向会议提交了二十多篇论文。会议按不同的内容分小组报告论文,小组的名称如下(圆括号内的数字为该小组开会的次数): 活动目标(3)、生物医学应用(2)、边缘检出、相似性及距离度量、纹理分析(2)、曲线分析、特征选     

综合集成的理论与应用

一、背景介绍 1科学意义 （1）系统复杂性科学被誉为“21世纪的科学”； （2）思维科学（认知科学）与系统科学的交叉； （3）认知科学研究的新思路。     

大成智慧工程

介绍一个新的工程领域,称为大成智慧工程,内容包括大成智慧工程的基础,即从定性到定量的综合集成法。这个方法主张把人的心智与计算机的高性能相结合来解决复杂的问题。文中阐述了人工智能与智能系统的发展状况,此外还给出用综合算法解决实际工程问题的例子。     

“人-机结合”的综合集成研讨体系

“综合集成研讨体系”属于系统科学的基础理论层次,是开放的复杂巨系统的方法论,同时也是思维科学的一项应用技术,属于思维科学的工程应用层次,是系统科学与思维科学交叉发展产生的原创性成果.文中从系统科学和思维科学两方面阐述综合集成研讨体系提出的理论背景.从思维与智能的进化角度,提出人-机结合的三个层次.从思维科学的视角,探究了“综合集成研讨厅”平台提升思维能力、实现“人-机智能”增强的途径,试图对复杂问题求解和人-机融合智能共进有所启示.综合集成研讨体系对群体思维、机器智能和知识体系综合运用,激发个体思维→个体智慧→群体智慧→社会智慧的演进过程.从思维科学、信息科学与技术、网络技术结合的智能科学,到体现人文科学与自然科学相互交叉与融合的社会智能科学,这一历程中渗透着钱学森前瞻性的科学思想与博大精深的智慧.     

综合集成研讨厅的软件体系结构

主要研究基于网络的分布式综合集成研讨厅的软件体系结构.采用了一种扩展请求器-中介器-供应器的嵌套式客户/Agent/服务器计算模式;并利用该模式给出了一个基于Java的智能信息Agent构建的宏观经济决策研讨厅框架和工作机制;综合了Agent移动性与消息传递机制、算法与交互能力、多种类型Agent和多种设计模式.与通常的C/S与B/S模型相比,该系统具有更大的灵活性、更快的响应性能、对网络性能的低需求等特性.     

一种识别手写汉字的多分类器集成方法

根据多信源信息处理与字符识别的经验知识，提出了一个识别手写汉字的多分类器线性集成模型．这个模型不仅考虑到不同的分类器对不同字符识别能力的不同，而且还考虑了不同的分类器得出的输入字符与参考模板之间相似度的实际大小对判决的影响，及不同分类器提供的候选字符对判决的支持作用，更重要的是提供了一种通过监督学习，利用计算机程序自动计算模型参数的方法，因而实现了一个较好的集成系统．同时，本文还提供了三个用于集成的分类器，它们集成的结果充分显示了本方法的有效性。     

一种面向大类别集的快速分类方法

针对大类别集分类问题提出了一种新的快速分类方法.引入了基于分组的候选规则,通过冗余分组,将大类别集分成若干独立的子集.组的数量和类别数都是有限的,因此可以充分利用各种信息,单独为每个组设计优化的分类器.以手写汉字识别为例,利用多级学习矢量量化来分别训练全局分类器、组中心以及每个组的细分类器.提供了危险区域的判据,并且结合其他的候选规则来提高边缘样本的识别率.