簡介：隨著建筑業(yè)的改革開放和工程建設規(guī)模的不斷擴大，建筑業(yè)已成為我國國民經(jīng)濟的支柱產(chǎn)業(yè)之一。然而，缺乏對信息技術(shù)的重視和利用成為建筑業(yè)勞動生產(chǎn)率一直低于制造業(yè)的原因之一。同時，由于建設工程頻繁的變更導致了工程爭議的不斷發(fā)生，降低了正常工作的效率，浪費了工程資源，對項目產(chǎn)生負面影響。因此，本文研究了信息技術(shù)的分支之一人工智能技術(shù)在工程爭議中的運用，目的在于提高工程管理的效率。本研究設計了工程爭議案例庫，將爭議判決書中的有用信息從文本形式轉(zhuǎn)換為計算機可處理的數(shù)據(jù)形式。利用關(guān)系數(shù)據(jù)模型對工程缺陷以及法律論證過程的信息建模，從而得到缺陷實體集、證據(jù)實體集、工程缺陷爭議論證過程實體集等，據(jù)此構(gòu)建了工程爭議數(shù)據(jù)庫。對爭議案例庫中的信息進行初步統(tǒng)計分析，得到工程缺陷分布情況、爭議論證過程中證據(jù)使用的分布情況和項目屬性的分布情況。利用相關(guān)性檢驗得到結(jié)論業(yè)主是否從事房地產(chǎn)相關(guān)業(yè)務影響了項目缺陷上的費用業(yè)主是否從事房地產(chǎn)相關(guān)業(yè)務與工程變更爭議判決結(jié)果無關(guān)合同類型與工程變更爭議判決結(jié)果無關(guān)。利用關(guān)聯(lián)規(guī)則挖掘算法進一步分析了工程爭議中數(shù)據(jù)之間的關(guān)聯(lián)性。構(gòu)建分層信息模型，解決工程爭議的數(shù)據(jù)稀疏性問題。得到缺陷項之間的關(guān)聯(lián)性，缺陷因果關(guān)系的頻繁項集，質(zhì)量缺陷爭議論證過程的頻繁項集。利用人工智能技術(shù)之一的決策樹算法預測工程變更爭議的判決結(jié)果。針對工程變更爭議輸入樣本的模糊性，設計基于迭代的模糊決策樹構(gòu)造過程。得到結(jié)論模糊C45分類器的性能要優(yōu)于CART分類器工期補償爭議的判決模糊度要高于工程價款補償爭議，決策樹算法在前者的預測正確率也小于后者。利用人工智能技術(shù)之一的神經(jīng)網(wǎng)絡算法預測工程變更爭議的判決結(jié)果。對比分析了BP神經(jīng)網(wǎng)絡和概率神經(jīng)網(wǎng)絡的性能。針對工程變更爭議的模糊性，設計了BP神經(jīng)網(wǎng)絡的輸入輸出參數(shù)，并對輸入樣本進行預處理。得到結(jié)論通過數(shù)據(jù)預處理，可以提高BP神經(jīng)網(wǎng)絡的預測正確率概率神經(jīng)網(wǎng)絡的預測正確率要優(yōu)于BP神經(jīng)網(wǎng)絡。最后利用人工智能技術(shù)之一的貝葉斯分類器預測工程變更爭議的判決結(jié)果。對比分析樸素貝葉斯分類器、TAN分類器和貝葉斯網(wǎng)絡分類器。對于貝葉斯網(wǎng)絡分類器還比較了兩類結(jié)構(gòu)學習算法的性能。通過實證分析得到以下結(jié)論TAN分類器的總體正確率要高于樸素貝葉斯分類器，而貝葉斯網(wǎng)絡分類器的正確率與TAN分類器相近，結(jié)構(gòu)比TAN分類器簡單在貝葉斯網(wǎng)絡分類器的結(jié)構(gòu)學習上，CHENGJ的算法引入領域知識，性能要優(yōu)于K2算法。本研究的意義包括通過挖掘到的缺陷之間的規(guī)律，可以在施工之前起到預警作用，防止缺陷發(fā)生，同時預防缺陷爭議的產(chǎn)生，在缺陷已經(jīng)發(fā)生時，幫助施工方和監(jiān)理方找到缺陷的原因以及主動提示可能聯(lián)動發(fā)生的其他缺陷通過提取的論證策略之間的關(guān)聯(lián)性，可以指導承發(fā)包人如何收集證據(jù)和組織論證可以預測對方的辯論策略，有針對性地收集證據(jù)和論證觀點預測工程變更爭議結(jié)果幫助爭議雙方了解輸贏的可能性，據(jù)此做出協(xié)商還是堅持己方主張的決策，一定程度的減小雙方在爭議上的支出從實際判決中可以看到各法律因素的不同取值下判決結(jié)果的不同，進而對比得到法官給各因素的不同權(quán)重，更好的理解合同和法律條款的規(guī)定。本文構(gòu)建的案例庫可以成為工程索賠研究和工程法律研究的基礎平臺。以本案例庫為基礎，可以加入不同種類的爭議案例，如場地條件爭議等可以考慮其他的推理模型的應用，如CBR推理模型等可以開發(fā)各種模塊以滿足不同的使用需求，如教學，論證過程自動化等。

簡介：模擬電路故障診斷一直是國內(nèi)外研究領域的一個熱點人工智能技術(shù)也越來越多的被應用于故障診斷中。自動測試系統(tǒng)的產(chǎn)生與發(fā)展克服了傳統(tǒng)人工測試診斷的約束實現(xiàn)了對被測單元自動進行測試與診斷的功能。因此模擬電路故障診斷作為課題組自動測試系統(tǒng)不可分割的一部分對故障診斷工具進行開發(fā)研究尤其是對基于人工智能算法的模擬電路板診斷工具的研究與實現(xiàn)是本文的重點。本文主要從開發(fā)方便、實用的診斷工具出發(fā)在人工智能算法的基礎上對用于自動測試系統(tǒng)的模擬電路故障診斷工具進行了研究、設計與實現(xiàn)。本文的主要工作如下對模擬電路故障診斷做分析研究選取待測電路板典型電路模塊進行電路仿真分析采用目前較為成熟的三種人工智能算法對待測電路模塊進行仿真實驗分析并研究模擬電路故障診斷的相關(guān)原理與過程為故障診斷工具的搭建提供理論基礎。在基于人工智能算法模擬電路板故障診斷的理論與實驗的研究之下對故障診斷工具做軟件需求分析并對MFC框架技術(shù)、DLL、XML文檔解析、數(shù)據(jù)庫編程技術(shù)進行研究。應用MFC框架技術(shù)完成了診斷工具的框架搭建應用動態(tài)鏈接庫技術(shù)將成熟的人工智能算法載入故障診斷工具中完成算法調(diào)用讀取并解析自動測試系統(tǒng)測試完成后生成的測試結(jié)果XML文件用于診斷測試對診斷相關(guān)信息應用數(shù)據(jù)庫編程技術(shù)進行管理操作。最后對開發(fā)完成的診斷工具做實例驗證。研究并提高模擬電路故障測試與診斷的理論與方法一直是國內(nèi)外的重要課題。自動測試系統(tǒng)及故障診斷工具為電子設備的測試、診斷、維護提供了重要的解決途徑。構(gòu)建基于人工智能算法的模擬電路故障診斷工具作為課題組自動測試系統(tǒng)開發(fā)的組成部分不但需要完成與自動測試系統(tǒng)之間的信息交互還要完成對被測電路板進行故障實時診斷測試的功能。因此開發(fā)方便、實用的診斷工具顯得尤為重要。

簡介：電力負荷預測是電力系統(tǒng)安全穩(wěn)定，高效運行的重要保證，關(guān)系到社會各行各業(yè)的正常運作。在國家大力倡導節(jié)能環(huán)保以節(jié)約現(xiàn)有能源消耗量的情勢下，電力負荷預測的準確性關(guān)系到整個電廠的經(jīng)濟、高效運行以及整個發(fā)電電網(wǎng)的安全運行，即當前的形勢對于電力負荷預測的精度提出了更高標準的要求。本文結(jié)合極限學習機以及人工智能算法建立了新的電力負荷預測模型，旨在提高電力負荷預測的精度。本文的主要研究內(nèi)容如下1極限學習機是一種單隱層前饋神經(jīng)網(wǎng)絡學習算法，是一種較為準確的非線性擬合方法，且具有較好的學習能力以及泛化能力，所以本文將極限學習機用于電力負荷預測。然而極限學習機與神經(jīng)網(wǎng)絡相同，是基于經(jīng)驗最小化原理，因此極易導致過度擬合，且極限學習機的輸入權(quán)值矩陣以及隱含層偏置為模型隨機賦值，使得整個模型對于樣本數(shù)據(jù)的學習缺乏針對性，從而影響其泛化能力。為了改善極限學習機的學習能力以及泛化能力，提高電力負荷預測精度，文中首先將人工螢火蟲群優(yōu)化引入極限學習機，利用人工螢火蟲算法強大的全局尋優(yōu)能力找到使得極限學習機模型訓練誤差最小時的輸入權(quán)值矩陣以及隱含層偏置矩陣，然后對我國某地區(qū)某一段時間的電力負荷通過實驗仿真，驗證了該模型的有效性和優(yōu)越性。2人工螢火蟲算法結(jié)合極限學習機的負荷預測模型較之簡單的極限學習機模型取得了不錯的效果，然而預測精度仍然不是很高，這是由于螢火蟲算法自身的缺陷所造成。針對螢火蟲算法的缺陷，將人工魚群算法引入極限學習機中，組成人工魚群算法優(yōu)化極限學習機負荷預測模型，通過對同一地區(qū)同一時間段的電力負荷進行實驗仿真，不僅驗證了人工魚群算法能夠提高極限學習機的學習能力和泛化能力，同時驗證了人工魚群算法極限學習機模型對于電力負荷的預測效果優(yōu)于人工螢火蟲算法極限學習機模型。

簡介：隨著社會和經(jīng)濟的快速發(fā)展，傳統(tǒng)的化石燃料已不能滿足人們對能源的需求，可再生能源的發(fā)展已經(jīng)成為各國關(guān)注的焦點，其中，風力發(fā)電的關(guān)注程度最高。近幾年，我國風力發(fā)電發(fā)展速度驚人，據(jù)能源局統(tǒng)計，2015年的風力發(fā)電量占總發(fā)電量的比例是33％。隨著風力發(fā)電所占比重的持續(xù)增加，風電并網(wǎng)給電網(wǎng)的安全穩(wěn)定運行及電力調(diào)度帶來了嚴重影響，準確地短期風電功率預測能夠有效地解決這些問題。因此，研究風電功率短期預測具有重要的意義。1從短期風電功率預測的基本方法、誤差分析和機制流程三方面對短期風電功率預測的基本理論進行了介紹。然后，分別采用基于相似日法和最小二乘支持向量機LSSVM法的短期風電功率預測方法進行了實例分析，結(jié)果表明運用LSSVM法得到的預測結(jié)果的誤差要小于運用相似日法得到的預測值的誤差。2為克服傳統(tǒng)聚類算法局部尋優(yōu)的缺陷，基于改進的模糊C均值聚類算法，提出了一種綜合聚類算法，并將其運用到RBF神經(jīng)網(wǎng)絡中心的確定上，進而給出了一種基于RBF神經(jīng)網(wǎng)絡的短期風電功率預測方法。最后，采用該RBF神經(jīng)網(wǎng)絡法進行了短期風電功率預測的實例分析，預測結(jié)果表明，本文給出的基于RBF神經(jīng)網(wǎng)絡的風電功率預測方法能夠有效提高預測精度。3針對單項預測方法的局限性，介紹了兩種基本組合預測方法，并基于灰色關(guān)聯(lián)度的IOWGA算子組合預測方法，給出了一種短期風電功率最優(yōu)組合預測方法。最后，將上文給出的RBF神經(jīng)網(wǎng)絡法、相似日法和LSSVM法作為單項預測方法，運用所提出的最優(yōu)組合預測方法和兩種基本組合預測方法進行了短期風電功率預測的實例分析，結(jié)果表明，風電功率最優(yōu)組合預測方法能夠有效地集成各單項預測的信息，從而達到改善風電功率預測精度的目的。

簡介：基于基于人工智能的人工智能的碳納米管碳納米管及其及其復合材料復合材料的介電性能和電磁屏蔽效能研究介電性能和電磁屏蔽效能研究作者姓名作者姓名段雙亮雙亮導師姓名導師姓名、職稱、職稱任慶利慶利副教授教授一級學科一級學科材料材料科學與工程科學與工程二級學科二級學科材料材料物理與化學物理與化學申請學位類別申請學位類別工學工學碩士碩士提交提交學位學位論文日期論文日期2015年3月107011070112051222211205122221TN82TN82TP18P18公開公開西安電子科技大學西安電子科技大學碩士學位論文碩士學位論文基于基于人工智能的人工智能的碳納米管碳納米管及其及其復合材料復合材料的介電性能和電磁屏蔽效能研究介電性能和電磁屏蔽效能研究段雙亮材料科學與工程材料物理與化學工學碩士任慶利副教授2015年3月學校代碼學校代碼分類分類號學號密級作者姓名作者姓名一級學科一級學科二級學科二級學科學位類別學位類別指導教師姓名指導教師姓名、職稱、職稱提交日期提交日期

簡介：“作為一門科學，人工智能的目標是使機器像人那樣具有智能去做事情?！笨墒牵覀冇秩绾闻卸ā皺C器”像人“那樣具有智能”呢對這個問題我們可以追溯到圖靈對通用計算機與智能關(guān)系的討論。他提出的判定機器具有智能的標準被后人稱為圖靈測試。這個判定機器是否是智能的判據(jù)從被提出的那天起，就引起了眾多的討論。時至今日，人們在機器智能的判據(jù)問題上仍沒能達成共識。這固然是因為我們對智能的本質(zhì)并不清楚的緣故，同時也是因為我們對什么樣的現(xiàn)象可以作為判斷智能的證據(jù)沒有達成共識所致。簡言之，由于我們對智能的本質(zhì)以及智能的證據(jù)沒有達成共識，因而判定機器具有智能的標準仍處在各種紛爭和討論之中。因而，我們有必要了解一下已有的三種判定人工智能的判據(jù)標準。第一個判據(jù)源于圖靈模擬活動，它認為斷定機器是否具有智能主要看機器能否在基于文本信息的交互達到與人類無差別的水平。由于這個標準為塞爾中文屋論證所反駁，所以哈納德對其進行了改進，將智能的判據(jù)擴展到個體的所有外部感官能力。但是，這個判據(jù)由于判據(jù)的范圍過寬而無法用于實際的檢驗，從而導致無人采納。施瓦澤則通過分析語言的社會屬性表明，社會語言可以作為個體是否具有智能的判據(jù)。通過對這三種智能判定標準的討論，本論文表明，這三種智能判據(jù)都看到了行為和語言對于智能的必要性，雖然他們各自所強調(diào)的重點也各不相同。圖靈側(cè)重的是基于文本互動的言語行為，哈納德則強調(diào)所有基于感官的外部行為，而施瓦澤則側(cè)重于社會語言因素。本文認為圖靈等三人的判據(jù)已表明語言能力對于智能而言確實是必要的，我們無法脫離語言因素而有效判定個體是否具有智能。個體的其它能力其實可以看作是語言能力的變種。我們的所作均是源于我們的所想，唯一的區(qū)別僅在于我們有沒有覺察到此時我們的所想。這些所想就是我們的語言，我們通常所說的語言就是這些所想所思外化的產(chǎn)物。因此將語言能力視為是個體是否具有智能以及其智能發(fā)展程度高低的特征是一種比較合理的做法。同時，由于個體不可能脫離它所處的群體和自然環(huán)境，因而語言作為個體與群體以及自然環(huán)境互動的媒介就具有了社會屬性。所以，我們可以通過語言的社會屬性維度來考察個體是否具有智能。正如施瓦澤所述，個體的智能與社會行為以及社會語言聯(lián)系緊密。在判定個體的智能時，我們可以從社會視角出發(fā)將其置于我們?nèi)祟惿鐣?，當受測個體可以融入我們的社會活動、習得我們的語言時，我們就可以認定它具有和我們?nèi)祟愐粯拥闹悄堋?

簡介：隨著水電站狀態(tài)監(jiān)測技術(shù)的不斷發(fā)展，對水電機組的運行狀態(tài)進行全面監(jiān)測以及對水電機組的實時健康運行狀態(tài)和異常故障進行快速準確的預測與分析，對于保障機組和電網(wǎng)安全穩(wěn)定至關(guān)重要。因此，基于狀態(tài)檢修的水電機組的檢修模式是目前該領域研究的趨勢所在，針對機組設備的狀態(tài)趨勢預測是實施狀態(tài)檢修的重要組成部分，基于狀態(tài)檢修的機組檢修模式對機組狀態(tài)的早期預警有著很好的促進作用。對水電機組進行機組振動狀態(tài)預測是水電機組狀態(tài)趨勢分析預測中的關(guān)鍵組成部分，同時它也是水電機組狀態(tài)監(jiān)測中的關(guān)鍵一環(huán)，更是水電機組能夠正常穩(wěn)定運行的重要保障。本文對人工智能預測法中的神經(jīng)網(wǎng)絡預測法和支持向量機預測法進行了具體研究，并將神經(jīng)網(wǎng)絡和支持向量機這兩種方法運用到了水電機組狀態(tài)趨勢預測中。由于水電機組運行過程容易受到各方面因素的影響，如機械方面的影響、電氣方面的影響以及水力方面等等諸多因素的影響，因此其故障類型具有多樣化的特點，而故障類型中的振動故障是水電機組最普遍、最主要也是最重要的一種。因此，本文針對振動故障的類型選取了兩種振動有效值，這兩種振動有效值能夠體現(xiàn)水電機組的運行狀態(tài)以及未來的運行趨勢，然后根據(jù)工程實際應用中獲取的歷史數(shù)值，分別建立基于BP神經(jīng)網(wǎng)絡和基于支持向量回歸機（SVR）的預測模型，并對預測效果進行誤差分析。經(jīng)實驗驗證，對所得結(jié)果進行對比得出基于支持向量機的預測方法比基于BP神經(jīng)網(wǎng)絡的預測方法更適用于水電機組振動參數(shù)的預測，其預測結(jié)果可以作為故障診斷的參考依據(jù)，對于保障機組安全穩(wěn)定運行具有重要的意義。

簡介：汽車排氣消聲器是降低發(fā)動機排氣噪聲最直接有效的方法，然而當前排氣消聲器的設計不僅需要大量的仿真分析，而且高度依賴于設計人員的經(jīng)驗知識，這極大的限制了排氣消聲器設計開發(fā)的效率和成功率。針對上述問題，本文通過對排氣消聲器的傳統(tǒng)設計流程的分析，提出了包括排氣消聲器性能智能化分析和結(jié)構(gòu)智能改進的排氣消聲器智能設計方法，不僅能夠避免排氣消聲器設計階段因性能分析所耗費的大量時間，而且能夠協(xié)助經(jīng)驗不足的設計人員完成結(jié)構(gòu)改進。實現(xiàn)排氣消聲器設計的自動化、智能化，對縮短排氣消聲器的開發(fā)周期，降低開發(fā)成本具有重要的現(xiàn)實意義。本文首先通過對排氣消聲器進行特征分解建立了排氣消聲器特征參數(shù)的獲取方法，并利用可擴展標記語言實現(xiàn)了排氣消聲器模型的特征參數(shù)表達；研究了基于上述表達方式的排氣消聲器流體模型自動建立流程，并在有限元網(wǎng)格自動劃分技術(shù)中重點研究了模型的局部細化方法，歸納了模型局部網(wǎng)格尺寸制定規(guī)則；最后研究了排氣消聲器有限元模型的進出口面自動識別的方法，并針對消聲器性能分析的實際需要，實現(xiàn)了在排氣消聲器進出口面上智能添加相應的邊界條件。為排氣消聲器的性能智能化分析的實現(xiàn)奠定了基礎。在排氣消聲器結(jié)構(gòu)智能改進技術(shù)研究中，本文用消聲器傳聲損失的評價函數(shù)表征消聲器性能好壞的目標函數(shù)，針對消聲器自身消聲性能提出的一種基于消聲特性的分段頻譜多目標加權(quán)評價方法。研究邊界條件確定方法，本文經(jīng)過大量研究和測試后提出分別針對等式約束關(guān)系和不等式約束關(guān)系的添加原則。通過研究了粒子群算法和蟻群算法的特點，最后用這兩種算法作為優(yōu)化方法的算法。

簡介：本研究基于某超超臨界660MW燃煤電站鍋爐現(xiàn)場熱態(tài)實驗數(shù)據(jù)樣本，利用MATLAB智能工具箱，分別采用BP神經(jīng)網(wǎng)絡方法、徑向基（RBF）神經(jīng)網(wǎng)絡方法、支持向量機（SVM）神經(jīng)網(wǎng)絡方法和ELMAN神經(jīng)網(wǎng)絡方法對某燃煤電站鍋爐NOX排放特性進行建模，傳統(tǒng)的BP算法還不夠完善，有一些問題需要解決，采用動量法對其進行改進；在RBF神經(jīng)網(wǎng)絡模型構(gòu)建過程中，進行輸出層權(quán)值及RBF基函數(shù)的中心與標準偏差值的優(yōu)化；ELMAN網(wǎng)絡模型是本文采用的唯一一個反饋模型，對它的相應參數(shù)進行了很多了選優(yōu)；對SVM網(wǎng)絡模型進行了核函數(shù)及相應參數(shù)C和G進行了選優(yōu)。同時對四種建模方法的結(jié)果進行了分析表明它們都有較好的準確性和泛化能力。從這四種模型中，選出BP網(wǎng)絡模型、RBF（徑向基）網(wǎng)絡模型和SVM（支持向量機）網(wǎng)絡模型這三種最常用的模型，將BP模型與其它兩種模型的仿真和預測結(jié)果進行量化對比分析，得出的結(jié)果是，對鍋爐熱態(tài)數(shù)據(jù)這種樣本較少的情況，SVM（支持向量機）網(wǎng)絡模和RBF網(wǎng)絡模型比BP網(wǎng)絡模型的計算速度快，擬合和泛化能力強的優(yōu)點，其中SVM（支持向量機）網(wǎng)絡模的性能最佳。針對神經(jīng)網(wǎng)絡算法在應用中存在很多缺陷，如在全局搜索過程中，容易陷入局部極小問題，在結(jié)構(gòu)設計上也存在一定的缺陷，網(wǎng)絡收斂速度慢等問題。使用遺傳算法優(yōu)化BP網(wǎng)絡模型的權(quán)值和閥值，能夠很好實現(xiàn)對模型的優(yōu)化，優(yōu)化后模型的預測精度和泛化能力都得到了提高。在BP網(wǎng)絡模型基礎上，采用遺傳算法對磨煤機給煤量、二次風風門開度、燃盡風風門開度、爐膛出口含氧量等參數(shù)進行優(yōu)化。本文采用將多目標函數(shù)中的某一個目標作為優(yōu)化目標，其它目標函數(shù)限定在一定范圍內(nèi)的方法，將多目標優(yōu)化問題轉(zhuǎn)化為單目標優(yōu)化問題。通過將鍋爐燃燒效率限定在一定范圍內(nèi)，求解75％負荷下鍋爐的NOX排放最低值。優(yōu)化結(jié)果表明采用人工神經(jīng)網(wǎng)絡和遺傳算法結(jié)合的方法，可以找到兼顧鍋爐效率和NOX排放的最佳運行參數(shù)。

簡介：隨著工業(yè)生產(chǎn)擴大，存在于工業(yè)生產(chǎn)中的優(yōu)化問題也隨之增加，自1980年代以來，科學家提出了許多解決這類優(yōu)化問題的的智能算法，它們以自然界動物的生活習性為研究對象，抽象出一系列的解決這類工業(yè)生產(chǎn)問題的新思路和新方法，自誕生就聚集了國內(nèi)外研究人員的目光，同時智能算法被廣泛應用于工業(yè)生產(chǎn)領域。人工魚群算法（ARTIFICIALFISHSWARMALGITHM，AFSA）通過對魚群覓食行為、聚群行為和追尾行為的研究而提出的一種新的群體智能優(yōu)化算法。該算法具有較好的全局搜索能力、收斂速度快、應用范圍廣等優(yōu)點。但AFSA在解決實際問題中也有著許多不足，如后期收斂慢、搜索精度低等問題。為此，本文著重從算法的改進和應用兩方面進行研究。主要研究工作如下（1）針對AFSA在較平坦的區(qū)域容易陷入漫無目的的隨機游動和在算法末期收斂速度減慢、搜索能力降低等問題，提出了一種帶變異算子與動態(tài)視野和步長的人工魚群智能優(yōu)化算法。改進的算法在繼承了AFSA簡單、易實現(xiàn)的優(yōu)點的同時，也相應的克服了人工魚盲目隨機游動或在非全局極值點聚集密度高的限制，從而提高了算法的在運行效率和精確度方面的性能。（2）針對BP神經(jīng)網(wǎng)絡收斂速度慢、易陷入局部極值的缺點，提出將改進的AFSA用于BP神經(jīng)網(wǎng)絡學習過程中。通過引入變異算子、改進人工魚的視野和搜索步長，使得AFSA算法具有較好的全局搜索能力和較快的搜索效率。通過把改進的AFSA算法用于BP神經(jīng)網(wǎng)絡的權(quán)值和閾值的訓練中，提高提高了神經(jīng)網(wǎng)絡的訓練速度和訓練精度?？傊撐脑趯FSA做了較為全面分析的前提下，針對算法存在的一些問題提出了相應的優(yōu)化方法，并把改進后的算法應用在優(yōu)化BP神經(jīng)網(wǎng)絡上。最后對論文中所做工作進行總結(jié)并展望。

簡介：中圖分類號密級UDC本校編號10652碩士學位論文論文題目人工智能成果的著作權(quán)保護研究以機器人完成的稿件、畫作、歌曲為例研究生姓名張思敏張思敏學號20140301Z2076520140301Z20765校內(nèi)指導教師姓名馬海生馬海生職稱副教授副教授校外指導教師姓名職務職稱申請學位等級碩士學科法學法學專業(yè)知識產(chǎn)權(quán)法學知識產(chǎn)權(quán)法學論文提交日期20172017年33月9日論文答辯日期碩士學位論文人工智能成果的著作權(quán)保護研究人工智能成果的著作權(quán)保護研究以機器人完成的稿件、畫作、歌曲為例以機器人完成的稿件、畫作、歌曲為例RESEARCHONCOPYRIGHTPROTECTIONOFARTIFICIALINTELLIGENCEACHIEVEMENTSTAKETHEPRESSRELEASESPAINTINGSSONGSCOMPLETEDBYROBOTSASANEXAMPLE作者姓名張思敏指導教師馬海生西南政法大學SOUTHWESTUNIVERSITYOFPOLITICALSCIENCELAW

簡介：碩士學位論文士學位論文一種智能柔性彎曲氣動人工肌肉驅(qū)動器的研究RESEARCHONASMARTFLEXIBLEBENDINGPNEUMATICARTIFICIALMUSCLE管清華管清華哈爾濱工業(yè)大學哈爾濱工業(yè)大學2017年6月CLASSIFIEDINDEXTB332UDC621DISSERTATIONFTHEMASTERDEGREEINENGINEERINGRESEARCHONASMARTFLEXIBLEBENDINGPNEUMATICARTIFICIALMUSCLECIDATEGUANQINGHUASUPERVISPROFLENGJINSONGACADEMICDEGREEAPPLIEDFMASTEROFENGINEERINGSPECIALITYENGINEERINGMECHANICSAFFILIATIONSCHOOLOFASTRONAUTICDATEOFDEFENCEJUNE2017DEGREECONFERRINGINSTITUTIONHARBININSTITUTEOFTECHNOLOGY

簡介：浙江師范大學碩士學位論文高中人工智能課程設計理論基礎和策略姓名陳佳山申請學位級別碩士專業(yè)現(xiàn)代教育技術(shù)指導教師楊傳斌20040501ABSTRACTNLEEXPERIMENTALSTANDARDINSE試ORHIGHSCHOOLCUFRICULUMREFOMLWASPUBLISHEDINMARCH，2003ANDARL_IF至CI以INTELLIE筘NCESCIENCEHASNOWENTEREDITCM蠢CULUMASONEOF穗EELECTIVEMO如SHOWTOM8∞EOURSEDESIGNHASBECOMEOUFNEWTASKTOSTUDVTHECHARACTERISTICSOFTHECOMENTOFTHESLLBIECTALLDMEP啦孫GYOF錘E婦翻黼TSA∽攮EMA漣至琵TORSTOBEEONS主D罄RED弧氌E∞UFSEDESIGN帆LISESSAYCOMBINESBOMOFMEMTHROUGLLTLLEORC嗷CALA11ALYSISANDS仃ATE醪USAGE，W魏IEHO疰毫秘E鼴CTIVE窖玨IDANEETOEOU耩ESI窖譬。I童撿氌ESIS鑫NALVZES鏹ECHARACTERISTICSOFT11EARTIFICIALINTELLI鼗ENCESCIENCEANDARGUESMATMECHOICEOFTILEE鑲疆SEEO鼓鈕L建ISM蔽NLVB鑫SEDONSV莉睦BOLISM。強蠢SO襲蠡熬ES氆ESENSEOFKNOWLE他E，MEMEORYOFKNOWLE鴟OAILDCURRICULUMANDT11ENATUREOFEⅥERIENCEC黼RSE。轉(zhuǎn)ESI纛ES，ACCO磚I鞋GTO像E攮EO搿OFEO疆SE南SI辨，氌E鑫瞧OF如EIDTOSTUDYFOURMAINASPECT8INT11ISESSAYTHEESTABLISHMENTOFT11EAIM，THECHOICEOFTLLECO黝，趣EO域強IZ8主IO鞋OF鑲EAET呈V湛ES戤通氆E蠢SSESS擻E霾￡OFE騅畦E玨L髓。A圭旺S釉ETIME，T11IST11ESISCONSISTSOFTLLRCEMAINLINESFBMMECHAMCTERISTICSOFMESU琰ECTTOTHE勤濰OF壤ECO戮E，蠹嗽IT論撕蠡CI瓣I婦LLL蓼NEE，幻M搬EBASIS醴MEMEORYTOMEDESIGNSTRATE黛Y_THEGOALOF出曼、ERE嫩LEVELS強D黻ANIFESTA_￡I豫S越A圭RES凌EES镢BLIS囊搬E堪OF≤泌AIMMOREREASONABLEANDCOMPREHENSIVETHEⅡ1EORYBA8ISOF協(xié)ECHOICEOFNLECONTENTS拄ESSES也ERELIABILI專YANDIMPON觚EEOF鼉HEEONTENT。EONTFA甌CON主E臻MAKING，饋LEDIWRSI匆OFT圭LECONTEMANDT量LESTRATEGYOFO囈ANIZATIONFIRSTREFLECTSOFT重LENEW娃LILLKINGA11DIDEAS，WHICHO牖RGUID粕EETO恤EDESIGNOF也EM擻啦ALS黼DTEACHINGTHESTRATEGYOFO曙ANIZATIONFIRSTHASITSOWNSPECIALCHA勰CTERANDISEASYTOOPERATE，WHICHO矗BRSACTIVI夠GUIDANCETO獺EIMPLEMENTATIONOF搬ECU辯IELLLUM。THEASSESSMENTOFTHECURRICULUMHASITSFOCALIZATIONANDSTAGE，WHICHGUARANTEESMEEXPERIMENTOFTHECURRICULUMTHETLSEOFTHERESEAFCHM默HODSOFCON敘稻TANALYSIS’QUESTIONNAI糟SANDREADIN鬈REFERENCESMAKES協(xié)ISRESEARCHMORESCIENTIFIC，EVENTUALLY，MEAU也ORC觚MAKEMUUSEOFT11EEXAMPLEANALYSIS，MATER主址SOURCESANDCASESTUDVTOMAKE也E糟SEARCHMORECONC戚ZCANDOVIDEM酗啪磚S眾娃呈蠡CI鑫L魏ELLIGENCE，C誠E落啪淡SI靜，歉FO勰鑫專IONTECLLO∞LO鼢EXPERTSYSTEM

簡介：點擊查看更多好萊塢人工智能科幻電影研究.pdf精彩內(nèi)容。

簡介：中醫(yī)學是一個巨大的知識寶庫，針灸則是其至關(guān)重要的一部分。因此，與針灸息息相關(guān)的腧穴配伍規(guī)律研究也成為中醫(yī)研究的重點。本文旨在通過人工智能算法研究中醫(yī)腧穴配伍規(guī)律，以致更好的利用針灸治療相關(guān)疾病。首先，本文設計與開發(fā)了一套中醫(yī)腧穴配伍管理系統(tǒng)，利用中華醫(yī)典（第四版）、中國知網(wǎng)、萬方知識數(shù)據(jù)服務平臺、維普期刊資源整合服務平臺等文件檢索資源數(shù)據(jù)庫，經(jīng)排除、整理后的數(shù)據(jù)錄入所開發(fā)的中醫(yī)腧穴配伍管理系統(tǒng)，從而實現(xiàn)了中醫(yī)腧穴配伍的數(shù)據(jù)采集功能。其次，由于中醫(yī)腧穴配伍管理系統(tǒng)所得數(shù)據(jù)龐雜而冗余。本文先對已錄入的部分原發(fā)性失眠與胃輕癱的數(shù)據(jù)進行簡單的處理，觀察其數(shù)據(jù)結(jié)構(gòu)以及腧穴配伍規(guī)則。經(jīng)分析研究，本文采用APRII算法產(chǎn)生頻繁項集、腧穴配伍的支持度與置信度，形成關(guān)聯(lián)規(guī)則。由于應用APRII算法產(chǎn)生的關(guān)聯(lián)規(guī)則會出現(xiàn)無意義的現(xiàn)象，需要引入支持度與置信度以及某個特定的值來判斷關(guān)聯(lián)規(guī)則的意義。由此，這個特定的值的選取就尤為重要。為了產(chǎn)生合適的值，本文采用遺傳算法進行計算。在每次產(chǎn)生頻繁項集時，再以產(chǎn)生的頻繁項集中尋找其真子集，記錄其支持度，應用遺傳算法選取合適的K值，消除無意義的關(guān)聯(lián)規(guī)則。從而優(yōu)化APRII算法，建立中醫(yī)腧穴配伍管理系統(tǒng)的APRIIGA算法模型。最后，針對中醫(yī)腧穴配伍管理系統(tǒng)的實際應用情況與APRIIGA算法的理論知識相結(jié)合，使用MATLAB軟件編寫軟件程序包。在中醫(yī)腧穴配伍管理系統(tǒng)中胃輕癱與原發(fā)性失眠的數(shù)據(jù)基礎上，生成關(guān)聯(lián)規(guī)則，并融入MCODE算法，開發(fā)出中醫(yī)腧穴配伍關(guān)系圖譜繪制系統(tǒng)。通過不斷測試、改進，該系統(tǒng)可以繪制適用于不同需求的中醫(yī)腧穴配伍關(guān)系圖譜。