亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

新一輪科技革命和產業變革正在萌發, 以深度學習和大數據為基礎, 以AlphaGo等為典型應用場景掀起了人工智能的第3次高潮. 傳統的基于統計線性化動態建模的人工智能, 在處理復雜對象時遇到了可解釋性、泛化性和可復現性等發展瓶頸, 迫切需要建立基于復雜性與多尺度分析的新一代人工智能理論, 我們稱之為精準智能. 針對復雜系統的非線性特征, 精準智能構建內嵌領域知識和數學物理機理的系統學習理論, 包括復雜數據科學感知、復雜系統精準構建、復雜行為智能分析3個層次. 具體而言, 通過復雜數據科學感知建立內嵌時空特征與數理規律等具有可解釋性的科學數據系統; 通過復雜系統精準構建反演具有非線性復雜邏輯關系的多層次、多尺度、可解釋的人工智能動態學習模型; 通過對系統復雜行為智能分析建立面向系統行為演進和全局動態分析的可解釋可調控人工智能新理論和新方法. 將上述精準智能理論應用于群體智能, 提出了群體熵方法, 實現了群體激發和匯聚行為復雜性度量與有效引導調控.

//www.sciengine.com/publisher/scp/journal/SSI/51/4/10.1360/SSI-2020-0158?slug=fulltext

付費5元查看完整內容

相關內容

 是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智能是計算機科學的一個分支。

摘要: 證據理論既能夠靈活處理不確定信息, 包括隨機性、模糊性、不準確性和不一致性, 又能夠有效融合定量信息和定性知識. 目前, 證據理論已廣泛應用于評估與決策等多個領域中, 包括多屬性決策分析、信息融合、模式識別和專家系統等. 本文從D-S證據理論出發, 針對Dempster組合規則存在的“反直覺”問題和組合爆炸, 主要圍繞置信分布理論系統地梳理了證據理論的發展過程, 總結分析了國內外典型文獻, 最后從實際應用對證據理論進行了簡要的評述和展望.

//www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190676

付費5元查看完整內容

摘要:城市軌道交通系統主要由弓/網系統、軌道線路、車輛、車站等組成, 傳統的人工巡檢等方法檢測效率低、勞動強度大、自動化和智能化程度不高, 給城市軌道交通的運營保障和進一步健康發展帶來了巨大的挑戰.機器視覺作為一種重要的檢測手段, 在城市軌道交通系統狀態檢測領域得到了廣泛的應用.鑒于此, 針對機器視覺在城市軌道交通系統安全狀態檢測中的研究和應用進行綜述.首先, 簡要介紹城市軌道交通的基本概念和快速發展所面臨的挑戰與機遇.然后, 詳細介紹機器視覺技術在城市軌道交通各子系統安全狀態檢測中的研究與應用情況; 針對弓/網系統狀態檢測問題, 分別重點介紹機器視覺在受電弓磨耗檢測、受電弓包絡線等其他病害檢測、接觸網幾何參數檢測、接觸網磨耗檢測以及接觸網懸掛病害檢測中的國內外研究現狀; 在軌道線路安全狀態檢測方面, 分別介紹機器視覺在扣件安全狀態檢測和鋼軌表面病害檢測中的應用與研究現狀; 從不同檢測項點角度詳細介紹機器視覺在車輛狀態檢測中的應用與研究進展; 梳理和總結機器視覺在車站電扶梯安全監控和站臺安全監控的異常行為檢測中的具體應用和研究; 并重點介紹機器視覺在軌道交通司機行為監測中的具體應用和背景技術.最后, 對機器視覺技術應用于城市軌道交通系統狀態檢測領域的未來進行展望.

付費5元查看完整內容

一直以來,認知科學、神經科學和計算科學分別從不同的路徑探索智能的本質:認知科學通過構建認知框架,預測復雜行為;神經科學通過探索神經機制,解釋大腦功能;而計算科學通過模擬神經活動,實現人工智能。近年來,深度神經網絡的成功,促使三門學科進一步交叉融合,將類腦的深度神經網絡模型和認知神經科學實驗相結合,為人工神經網絡的發展提供新的思路。

智源“人工智能的認知神經基礎”重大研究方向基于此研究目標,以及促進學科間交叉互啟的愿景,編撰該白皮書,以期為相關領域的研究者搭建溝通的平臺和橋梁,共同探索心智的奧秘,促進人工智能的可持續發展。

付費5元查看完整內容

仿人智能控制是現代智能控制理論之一, 利用分層遞階的控制結構與多控制模態為強非線性、大遲滯、難建模問題提供了切實可行的解決方案, 近些年來發展迅速并且得到學術界的持續關注, 但缺乏對該理論研究進展系統性的總結. 本文通過系統的梳理仿人智能控制的理論基礎和發展脈絡, 將其劃分為三代控制模型, 分別從每一代控制模型的算法描述、研究進展與應用進展三個角度進行綜述, 同時, 結合當前的研究進展討論仿人智能控制在控制模型、結構功能、參數校正方面進一步研究的方向.

//www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200007

付費5元查看完整內容

行人跟蹤是計算機視覺領域中研究的熱點和難點, 通過對視頻資料中行人的跟蹤, 可以提取出行人的運 動軌跡, 進而分析個體或群體的行為規律. 本文首先對行人跟蹤與行人檢測問題之間的差別進行了闡述, 其 次從傳統跟蹤算法和基于深度學習的跟蹤算法兩個方面分別綜述了相關算法與技術, 并對經典的行人動力 學模型進行了介紹, 最終對行人跟蹤在智能監控、擁堵人群分析、異常行為檢測等場景的應用進行了系統講 解. 在深度學習浪潮席卷計算機視覺領域的背景下, 行人跟蹤領域的研究取得了飛躍式發展, 隨著深度學習 算法在計算機視覺領域的應用日益成熟, 利用這一工具提取和量化個體和群體的行為模式, 進而對大規模人 群行為開展精確、實時的分析成為了該領域的發展趨勢.

//www.homexinlu.com/files/2020-Pedestrian%20tracking.pdf

付費5元查看完整內容
北京阿比特科技有限公司