簡介：沈陽師范大學(xué)碩士學(xué)位論文人工智能在自動排課中的應(yīng)用與研究姓名段君瑋申請學(xué)位級別碩士專業(yè)課程與教學(xué)論（計(jì)算機(jī)）指導(dǎo)教師池潔20080401ABSTRACTASANIMPORTAJLTPANOFC嘶CULUMSCIENCE，UNIVERSITYC嘶CULUMMAJLAG鋤ENTISAFIELDOFSTUDYMATREQUIRESINTENSIFIEDRESEARCHE仃ORTS．WITHTHEUNIVERSALITYANDREFOMOFHI曲EREDUCATIONINOURCOUNTⅨITHASBEENANIMPORTANTRESEAURCHFIELDS．THECURRICULUM刪GEMENTISMECOREWHICHTHECURRICULUMMANAGEMENT．AIMINGATTHEREQUIR鋤ENTOFMECURRENTSITUATIONINTHEHI曲EREDUCATION，WEDESI印ANAUTOASSI印INGLESSONSEXPERTSYSTEMBYCOMPUTERBASEDONDATABASE．INMEPRACTICEINOURU11IVERSITYCOURSE訓(xùn)CULUMMANAGEMENT，WHATISDEFICIENTISUNDERTHETHEORYINSTNLCTIONMEANING如1EXPERIENCEACCUMULATION．THEREFORE，ITISNECESSARYTHATINTRODUCESTHEEXPERTKNOWLEDGEOFARTIFICIALINTELLIGENCETOMEM柚AGEMENTOFUILIVERSITYCU幣CULUM．SINCETHEEXPEN’SKNOWLEDGEOFARTI矗CIALINTELLIGENCEISTHEFOUNDATIONOF鋤ALYZING，MISTHESISANALYSESMEFEATLLREOFEXPERT’SKNOWLEDGEANDDISCUSSESTHEWAYSOFDATAO唱柚IZINGAJLDMETYPESELECTINGMETHODS．ARERSTUDYTHEMETHODOFORGANIZATIONOFEXPERT’SKNOWLEDGE，THEMESISALSOPUTSFORWARDAFEASIBLEMEMODOFDEDUCTIONBASEDONDATABASETECHNOLOGYTO印PLYITTOMEEXPERTSYSTEMOFAUTOASSI朗INGLESSONS．ITIMPROVESTHEE佑CIENCYOFTEACHINGMANAGEMENT，MEUTILIZATIONOFTEA出NGRESOURCE，THESPEEDOFTEACHINGREF0眥ATION．KEYWORDSAUTOASSIGNINGIESSONS，EXPERTSYSTEM，REASONINGMACHINE

簡介：湖南師范大學(xué)碩士學(xué)位論文基于人工魚群算法的智能組卷研究姓名卞燦申請學(xué)位級別碩士專業(yè)計(jì)算機(jī)軟件與理論指導(dǎo)教師全惠云20090501ABSTRAOTTRIESTHEQUESTIONBANKINTELLIGENCEGROUPVOIUMEQUESTIONISUNDERTHECERTAINRESTRAINTCONDITIONMULTITARGETCOMPONENTOPTIMIZATIONQUESTION，USESTRADITIONALMATHEMATICSMETHODTOSOLVEQUITEDIFFICULTLY，THEAUTOMATICGROUPVOLUMEEFFICIENCYANDTHEQUALITYCOMPLETELYAREDECIDEDTOTRIESTHEQUESTIONBANKDESIGNASWELLASPULLSOUTTHETOPICALGORITHMTHEDESIGNALONGWITHTHECOMPUTATIONTECHNOLOGYANDTHEARTIFICIALINTELLIGENCEFASTDEVELOPMENT，ASWELLASTHEEDUCATIONSURVEYFUNDAMENTALRESEARCHISUNCEASINGLYTHOROUGH，OBTAINEDTHEWIDESPREADAPPLICATIONBASED0NTHEEDUCATIONSURVEYTHEORYRELATEDCOMPUTERAIDEDDESIGN，INTELLIGENTGROUPVOLUMESYSTEMRESEARCHANDTHEDEVELOPMENTOBTAINEDTHEMOREANDMOREMANYEXPERTS’ATTENTIONFIRSTLY，THEBASICTHEORIESOFTESTPAPERGENERATIONAREEXPOUNDEDSECONDLY，THEBASICIDEAOFAFSAAREBRIEFLYDESCRIBED，INCLUDESTHEBASICTHEORY，THEALGORITHMICDESCRIPTION，THEPARAMETERSANDFLOWCHARTOFAFSAFINALLY，THECONSTRAINTCONDITIONSARESUMMARIZEDBASEDONTHEM，AMATHEMATICALMODELOFTESTPAPERGENERATIONISESTABLISHEDBASEDONANALYTICHIERARCHYPROCESS，THEWEIGHTVECTOROF

簡介：北京服裝學(xué)院碩士學(xué)位論文基于人工智能的大學(xué)生綜合素質(zhì)評價(jià)研究姓名王桂芳申請學(xué)位級別碩士專業(yè)機(jī)械電子工程指導(dǎo)教師范秀娟20091201RESEARCHONTHECOMPREHENSIVEQUALITYEVALUATIONOFCOLLEGESTUDENTSBASEDONARTIFICIALⅢTELLIGENCEABSTRACTEVALUATIONFORCOLLEGESTUDENTS’COMPREHENSIVEQUALITYISEXTREMELYIMPORTANT，ASITRELATESTOTHESTUDENTS’DEVELOPMENT，SCHOOLEDUCATIONANDTEACHINGREFORMANDTHEABILITYOFEMPLOYINGUNITTOOBTAINHIGHQUALITYTALENTSTOTHISEND，THISPAPERRESEARCHEDANDESTABLISHEDASETOFCOMPREHENSIVEQUALITYEVALUATIONSYSTEMFORCOLLEGESTUDENTSOFINSTITUTIONSCOMBINEDWITHARTSANDENGINEERINGFROMMULTISUBJECTPERSPECTIVE，INTEGRATINGQUALITATIVEANDQUANTITATIVEANALYSISANDSATISFYINGTHEDEMAND，ANDMADEAPREDICTIONFORTHESTUDENTS’OCCUPATIONSTHISPAPERSTUDIEDTHEFACTORSAFFECTINGTHECOMPREHENSIVEQUALITYOFCOLLEGESTUDENTSOFINSTITUTIONSCOMBINEDWITHARTSANDENGINEERING，ESTABLISHEDCOMPREHENSIVEQUALITYEVALUATIONINDICATORSYSTEMFORCOLLEGESTUDENTSANDCONDUCTEDAQUANTITATIVEANALYSISFOREACHINDICATORANDDETERMINEDTHEWEIGHTOFEACHINDICATORLEVERAGINGTHEANALYTICHIERARCHYPROCESSAHPINORDERTOSOLVETHEPROBLEMSOFAMBIGUITYANDUNCERTAINTYOFSTUDENTS’QUALITYFUZZYCOMPREHENSIVEEVALUATIONISINTRODUCEDINTHISPAPERTOCALCULATETHESCORESOFCOMPREHENSIVEQUALITYANDSUBITEMQUALITYMODULESFOREACHSTUDENT，HOWEVERTHEMEMBERSHIPFUNCTIONANDFUZZYRULESCANNOTBEAUTOMATICALLYGENERATEDANDADJUSTEDWHENTHEFUZZYMATHEMATICSISAPPLIEDTOEVALUATETHESTUDENTS’COMPREHENSIVEQUALITYDUETOTHECOMPLICATEDCOMPUTINGPROCESSTHEREFORE，THISPAPERDESIGNEDANEWMATHEMATICALMODELFORCOMPREHENSIVEEVALUATION，BROUGHTFORWARDACOMBINATIONALGORITHMNAMEDFUZZYNEURALNETWORKALGORITHMANDESTABLISHEDCOMPREHENSIVEQUALITYFUZZYNEURALNETWORKMODELFORCOLLEGESTUDENTSUSINGTHERESPECTIVEADVANTAGESOFFUZZYANALYSISANDNEURALNETWORKINTHEEVALUATIONMOREOVERINORDERTOSPEEDUPTHENETWORKCONVERGENCE，THECLUSTERINGANALYSISISAPPLIEDINTHETRAININGTOCLUSTERTHEVALUEOFEACHINDICATORWITHTHEHIGHERPRECISECALCULATION，THISMETHODCANREALIZETHEINTELLECTUALIZATIONFORCOMPREHENSIVEQUALITY；AVOIDTHESHORTCOMINGSINTHEFUZZYEVALUATIONTOBETTEREVALUATETHESTUDENTS’QUALITYHOWEVERTHESPEEDOFNETWORKCONVERGENCEHASNOTBEENII

簡介：河北大學(xué)碩士學(xué)位論文高中人工智能課程中案例教學(xué)法的應(yīng)用研究姓名閔亞坤申請學(xué)位級別碩士專業(yè)教育技術(shù)學(xué)指導(dǎo)教師張淑君20090601ABSTRACTABSTRACTANEWROUNDOFINFORMATIONTECHNOLOGYCURRICULUMREFORMADVOCATESQUALITYEDUCATIONTOADAPTTOTHEINFORMATIONAGE，EMPHASIZESBASEDONLIFEEXPERIENCE，ANDGUIDESSTUDENTSTOUTILIZEKNOWLEDGETODISCOVERTOANALYZEANDSOLVESTHEQUESTION，RAISESSTUDENT’SCREATIVITYANDSOCIALPRACTICEABILITYART訪CIALINTELLIGENCEPRELIMINARYTAKESINFORMATIONTECHNOLOGYSYSTEM’SIMPORTANTONEINHIGHSCHOOL，TOSTUDENTEDUCATIONFORALLAROUNDDEVELOPMENTRAISEANDHIGHLEVELPOWEROFTHOUGHTDEVELOPMENTINFLUENTIALROLEHOWEVERHOWTOTEACHTHECOURSEMANYTEACHERSWERECONFUSEDONTHISISSUECORRECTLYUNDERSTANDINGANDINTERPRETATIONAIEDUCATIONINHIGHSCHOOL，STUDYINGTEACHING，TEACHINGMETHODOFAICOURSE，ISTOSOLVEMANYPROBLEMSWHICHNOWADAYSINTHISCURRICULUMTEACHINGEXISTGUARANTEEDTHATTHISCURRICULUMSMOOTHIMPLEMENTATIONHASCERTAINPRACTICALSIGNIFICANCEATTHEBEGINNINGOFTHEPAPERTWOBIGKEYELEMENTSWEREONCESTARTEDGRASPINGTHETEACHINGOBJECTANDCONTENTOFCOURSESFIRMLYAUTHORANALYZEDTHEHIGHSCHOOLARTIFICIALINTELLIGENCECURRICULUMDISCIPLINECHARACTERISTICANDHIGHSCHOOLSTUDENT’SSTUDYCHARACTERISTICTHOROUGHLYONTHEBASISOFANANALYSISOFTHESETWOELEMENTSANDBASEDONPROBLEMSOLVINGTHEAPPLICABILITYOFTHECASEBASEDTEACHINGMETHODAFTERWARDS，THEMAINBODYOFTHEPAPERPRIORITYHASDESIGNEDCASETEACHINGPROCESSFORAICOURSEINTHISPAPERFOCUSINGONTEACHINGPREPARATION，IMPLEMENTATIONANDREFLECTINGA舭RSCHOOLOFTHREETEACHINGASPECTS，THESPECIFICDESIGNPROBLEMSOLVINGBASEDONCASETEACHINGINTHEIMPLEMENTATIONPROCESS，NOTINGTHATTHECASETEACHINGISESSENTIALLYTHEPROCESSOFPROBLEMSOLVINGTHISPAPERALSOSUGGESTEDTHATTHEEXAMPLECONSULTINGTYPE，THEPROBLEMRETHINKINGTYPEANDGAMEREASONINGTYPETHREEKINDSTYPESCASE，ANDSELECTPARTIALCONTENTSINTHEZHEJIANGTEXTBOOKARTIFICIALINTELLIGENCEPRELIMINARY，INVIEWOFHASCARRIEDONTHECASETEACHINGPROCESSDESIGNSEPARATELYINTHREEKINDOFCASETYPESKEYWORDSARTIFICIALINTELLIGENCEINHIGHSCHOOLCASEBASEDTEACHINGINSTRUCTIONALDESIGNIL

簡介：合肥工業(yè)大學(xué)碩士學(xué)位論文人工智能算法在NURBS曲線降階方面的若干研究姓名潘瑛申請學(xué)位級別碩士專業(yè)計(jì)算數(shù)學(xué)指導(dǎo)教師檀結(jié)慶20100301RESEARCHONTHEARTIFICIALINTELLIGENCEALGORITHMFORDEGREEREDUCTIONOFNURBSCURVESABSTRACTDEGREEREDUCTIONOFCURVESHASBEENONEOFTHERESEARCHHOTSPOTSINCAGD．CURRENTLYTHESTUDYISMAINLYABOUTTHEDEGREEREDUCTIONAPPROXIMATIONOFB6ZIERCURVES．ANDITFORMEDASETOFMATURETHEORIESANDMETHODS．NURBSCURVESCANNOTONLYEXPRESSGENERALBSPLINECURVESANDB6ZIERCURVES，BUTALSOACCURATELYDESCRIBETHEQUADRATICCURVES．ANDNURBSISTHEONLYMATHEMATICALMETHODOFDEFININGTHEGEOMETRYOFINDUSTRIALPRODUCTS．SOTHEDEGREEREDUCTIONOFNURBSCURVESHASIMPORTANTTHEORETICALVALUEANDIMMEDIATEDEMANDOFAPPLICATION．THISTHESISSTUDIESHOWTOUSEARTIFICIALINTELLIGENCEALGORITHMSTOSOLVETHEPROBLEMOFDEGREEREDUCTIONCOMBININGARTIFICIALINTELLIGENCEALGORITHMSWITHTHEDEGREEREDUCTIONOFCURVES．FIRSTLY，SOMECOMMONARTIFICIALINTELLIGENCEALGORITHMSAREINTRODUCED，ANDTHEDEGREEREDUCTIONOFNURBSCURVESISDESCRIBEDINSEVERALWAYS1THEMETHODOFUSINGCURVESINEXPLICITMATRIXPRESENTATIONANDTHETHEORYOFTHEBESTPOLYNOMIALCONSENSUSAPPROACH．2THEMETHODOFDEGREEREDUCTIONOFNURBSCURVESBASEDONGENETICALGORITHM．SECONDLY，BASEDONPARTICLESWARMOPTIMIZATIONALGORITHM，THISTHESISGIVESANEWMETHODOFTHEDEGREEREDUCTIONOFNURBSCURVES．FINALLY，ANEXAMPLEISGIVENTOVERIFYTHEFEASIBILITYOFTHEALGORITHM．KEYWORDSNURBSCURVES；DEGREEREDUCTIONAPPROXIMATION；ARTIFICIALINTELLIGENCEALGORITHM

簡介：隸．初大J磐碩士學(xué)位論文新型電腦鼠硬件系統(tǒng)及人工智能算法研究專業(yè)名稱垡墨科堂皇莛苤研究生姓名魚查導(dǎo)師姓名蜚塞魚夔握東南大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得東南大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。研究生簽名數(shù)日期塑墮』多東南大學(xué)學(xué)位論文使用授權(quán)聲明東南大學(xué)、中國科學(xué)技術(shù)信息研究所、國家圖書館有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文檔，可以采用影印、縮印或其他復(fù)制手段保存論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。除在保密期內(nèi)的保密論文外，允許論文被查閱和借閱，可以公布包括刊登論文的全部或部分內(nèi)容。論文的公布包括刊登授權(quán)東南大學(xué)研究生院辦理。研究生簽名熊導(dǎo)師簽名日期之I墨弗

簡介：中圖分類號Q211壘UDC510碩士學(xué)位論文學(xué)校代碼Q三蘭密級公玨圍棋人工智能中幾個上限值的研究ARESEARCHOILSOMEUPPERLIMITSINARTIFICIALINTELLIGENCEOFTHEGAMEOFGO作者姓名學(xué)科專業(yè)研究方向?qū)W院系、所指導(dǎo)教師副指導(dǎo)教師郭潔概率論與數(shù)理統(tǒng)計(jì)圍棋人工智能數(shù)學(xué)與統(tǒng)計(jì)學(xué)院武坤論文答辯日期答辯委員會主中南大學(xué)二零一三年五月圍棋人工智能中幾個上限值的研究摘要當(dāng)前圍棋人工智能發(fā)展很快，繼蒙特卡洛MONTECARLO和UCT等方法運(yùn)用到計(jì)算機(jī)圍棋中取得一些成功后，圍棋軟件開發(fā)的核心就以這兩個算法為主。本文簡要分析了如何找到圍棋本身和圍棋對弈過程中的一些邊界和上限值，詳細(xì)講解了如何對圍棋的復(fù)雜度進(jìn)行有效降解以及如何判定局部棋形的復(fù)雜深度類型。最后通過實(shí)例分析出了UCT和蒙特卡洛MONTECARLO方法所存在的缺陷，得出了必須找尋圍棋本身固有的規(guī)律的結(jié)論，對圍棋復(fù)雜度進(jìn)行降解的必要性。接著詳細(xì)介紹了復(fù)雜度降解的一個基礎(chǔ)，找出圍棋的一些上限值，比如，證明了圍棋活棋塊在不含雙活的情況下單方至多有20塊活棋，雙方活棋塊之和不會超過33，圍棋的嵌套層不會超過19層，并給出了一個強(qiáng)有力的猜想，在考慮雙活下，圍棋活棋塊數(shù)不會超過71。關(guān)鍵詞圍棋；活棋塊；蒙特卡洛方法；UCT算法；復(fù)雜度分類號02119II

簡介：設(shè)備選址問題是一個經(jīng)典的問題具有重要的現(xiàn)實(shí)意義。探索有效的求解設(shè)備選址模型的方法一直以來受到眾多學(xué)者的關(guān)注。本文在總結(jié)前人方法和經(jīng)驗(yàn)的基礎(chǔ)上針對隨機(jī)需求的設(shè)備選址模型提出了一種基于人工魚的混合智能算法求解設(shè)備選址模型即將人工魚算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合智能算法。該算法具有良好的收斂性求解效率高簡單易實(shí)現(xiàn)為求解設(shè)備選址模型提供了一種新思路和新方法。主要內(nèi)容如下1從設(shè)備選址的歷史發(fā)展、現(xiàn)狀及必要性等方面闡述了求解設(shè)備選址問題的現(xiàn)實(shí)意義介紹了幾種求解設(shè)備選址模型的現(xiàn)代優(yōu)化算法在此基礎(chǔ)上提出本文要采用的人工魚混合智能算法。2介紹設(shè)備選址的三種隨機(jī)模型包括模型的建立和求解。從數(shù)學(xué)角度對各個模型進(jìn)行了試求解。結(jié)果表明該方法不僅運(yùn)算量太大而且對于一些重積分無法得到積分值。為此我們尋求另外一種基于MATLAB的隨機(jī)模擬方法求解模型。3在一些基本的定義定理的基礎(chǔ)上給出隨機(jī)模擬變量、隨機(jī)模擬期望值、概率、樂觀值、悲觀值的步驟。根據(jù)隨機(jī)模擬的方法分別對設(shè)備選址的隨機(jī)期望值模型、隨機(jī)機(jī)會約束模型、隨機(jī)相關(guān)機(jī)會模型中的費(fèi)用函數(shù)產(chǎn)生輸入輸出數(shù)據(jù)。4主要介紹BP神經(jīng)網(wǎng)絡(luò)的相關(guān)概念和原理對隨機(jī)模擬產(chǎn)生的輸入輸出數(shù)據(jù)采用BP神經(jīng)網(wǎng)絡(luò)去逼近設(shè)備選址模型的費(fèi)用函數(shù)并通過數(shù)值實(shí)例實(shí)現(xiàn)。5對傳統(tǒng)的人工魚算法作了改進(jìn)通過幾個數(shù)值實(shí)例驗(yàn)證其收斂性。在此基礎(chǔ)上將BP神經(jīng)網(wǎng)絡(luò)與人工魚算法結(jié)合形成混合智能算法求解設(shè)備選址模型說明算法的有效性和實(shí)用性。結(jié)果表明該算法具有良好的收斂性求解效率高簡單易實(shí)現(xiàn)。

簡介：南開大學(xué)碩士學(xué)位論文科學(xué)儀器軟件平臺研發(fā)人工智能軟件包開發(fā)姓名裴雷申請學(xué)位級別碩士專業(yè)計(jì)算有機(jī)化學(xué)指導(dǎo)教師喬園園20040501摘要從當(dāng)前世界分析儀器的發(fā)展趨勢上來看，以測控技術(shù)和計(jì)算機(jī)技術(shù)相結(jié)合的虛擬儀器系統(tǒng)已成為當(dāng)今儀器發(fā)展的主流方向。由于它是建立在以軟件為關(guān)鍵技術(shù)的通用平臺上，可以很方便地改變軟件配置來適應(yīng)不同的需要，功能更加靈活、強(qiáng)大，更適合科學(xué)研究和創(chuàng)新的需要。建立我國自己的科學(xué)儀器通用軟件平臺，帶動我國分析儀器水平的提高，是我國分析儀器產(chǎn)業(yè)實(shí)現(xiàn)跳躍式發(fā)展的一次難得的機(jī)會。而開發(fā)研制基于COMIDCOM標(biāo)準(zhǔn)的通用標(biāo)準(zhǔn)數(shù)據(jù)處理軟件包，將是建立上述軟件平臺的基石。虛擬化學(xué)儀器大致可分為數(shù)據(jù)采集、數(shù)據(jù)分析處理和數(shù)據(jù)顯示三個部分?？茖W(xué)儀器通用軟件平臺是虛擬化學(xué)儀器中的重要組成部分，它提供的主要功能有對數(shù)據(jù)的分析處理，友好的用戶界面和數(shù)據(jù)結(jié)果的輸出報(bào)告。建立我國自己的科學(xué)儀器通用軟件平臺，帶動我國分析儀器水平的提高，是我國分析儀器產(chǎn)業(yè)實(shí)現(xiàn)跳躍式發(fā)展的一次難得的機(jī)會。而開發(fā)研制通用標(biāo)準(zhǔn)數(shù)據(jù)處理軟件包，將是建立上述軟件平臺的基石。而對于儀器支撐軟件的開發(fā)者，人工智能軟件包是為其自行開發(fā)所必不可缺的組成部分。關(guān)鍵字人工智能、通用軟件包、科學(xué)儀器、軟件開發(fā)平臺4

簡介：學(xué)校代碼10663學(xué)號4201410000004貴州師范大學(xué)碩士學(xué)位論文人工智能對人的主體性影響研究RESEARCHONTHEINFLUENCEOFARTIFICIALINTELLIGENCEONHUMANSUBJECTIVITY專業(yè)名稱馬克思主義哲學(xué)專業(yè)代碼010101研究方向馬克思主義哲學(xué)理論與方法申請人姓名李能導(dǎo)師姓名楊芳教授二O一七年五月二十六日三、人工智能對人的主體性帶來的消極影響29（一）對主體人道德與能力的消極影響291人的倫理道德滑坡292人的主體能力弱化31（二）對主體人生存與發(fā)展的消極影響321易使客體主體化332易使主體的自我異化34四、在人工智能發(fā)展中確立人的主體性地位37（一）加強(qiáng)人工智能發(fā)展的倫理研究371人工智能的倫理制定372人工智能倫理研究的途徑38（二）加強(qiáng)人工智能發(fā)展的科技教育391夯實(shí)基礎(chǔ)教育，營造人工智能教育氛圍392革新教育制度，加大人工智能教育投入41（三）推進(jìn)人工智能發(fā)展與人的主體性提升相結(jié)合411加強(qiáng)人工智能載體與人的現(xiàn)實(shí)生活融合412人工智能發(fā)展以實(shí)現(xiàn)人全面發(fā)展為歸宿42結(jié)語46參考文獻(xiàn)47后記49攻讀碩士學(xué)位期間取得的研究成果51學(xué)位論文原創(chuàng)性聲明和關(guān)于學(xué)位論文使用授權(quán)的聲明52

簡介：隨著無線通信技術(shù)的不斷發(fā)展及室內(nèi)基于位置的服務(wù)LOCATIONBASEDSERVICE，LBS業(yè)務(wù)需求的不斷增長，室內(nèi)無線定位技術(shù)近年來得到了越來越廣泛的研究。而高性能無線定位技術(shù)，如高定位精度、高定位實(shí)時(shí)性、低計(jì)算復(fù)雜度、低開發(fā)應(yīng)用成本決定了室內(nèi)LBS業(yè)務(wù)的服務(wù)質(zhì)量。基于無線局域網(wǎng)WIRELESSLOCALAREAWK，WEAN的接收信號強(qiáng)度RECEIVEDSIGNALSTRENGTH，RSS指紋信息定位技術(shù)受益于米級定位精度性能、智能終端的低開發(fā)成本以及WEAN技術(shù)在室內(nèi)場景的廣泛分布這三大優(yōu)勢而成為室內(nèi)LBS系統(tǒng)中定位技術(shù)的首選。而室內(nèi)指紋定位技術(shù)面臨一些主要問題以待解決。在離線階段，需要建立指紋數(shù)據(jù)庫并在環(huán)境變化時(shí)更新指紋數(shù)據(jù)庫以保證其定位有效性，而數(shù)據(jù)庫的建立與更新需要耗費(fèi)大量的人力物力，這不利于指紋定位算法的普及，特別是大型定位場景中的應(yīng)用。在在線階段，指紋模式匹配技術(shù)的設(shè)計(jì)需要克服RSS受多徑效應(yīng)、陰影效應(yīng)引起的時(shí)變特性所產(chǎn)生的位置估計(jì)誤差，同時(shí)需要降低算法計(jì)算復(fù)雜度，提高定位實(shí)時(shí)性性能。針對以上問題，本論文將通過人工智能領(lǐng)域技術(shù)及優(yōu)化技術(shù)來改善指紋定位系統(tǒng)整體性能，本文的主要工作及創(chuàng)新點(diǎn)如下1在離線階段，提出了基于仿射傳播聚類算法的指紋數(shù)據(jù)庫自主重構(gòu)技術(shù)。通過基于分簇信道建模算法中的室內(nèi)區(qū)域分區(qū)原理觀測的RSS值分簇衰落特性，提出了室內(nèi)無線信號的區(qū)域化傳播模型REGIONALPROPOGATIONMODEL，RPM。利用仿射傳播聚類技術(shù)對稀疏密度分布的參考點(diǎn)處采樣得到指紋圖譜進(jìn)行分簇從而將室內(nèi)區(qū)域劃分成特定個數(shù)的子區(qū)域，然后利用各個子區(qū)域的采樣數(shù)據(jù)建立所提的RPM路徑損耗傳播模型，通過該模型預(yù)測其他未測量參考點(diǎn)處的指紋以重構(gòu)完整的指紋數(shù)據(jù)庫。實(shí)驗(yàn)測試結(jié)果顯示，所提路徑損耗傳播模型的RSS預(yù)測精度高于現(xiàn)有的傳播模型同時(shí)，在降低指紋采集工作量50％以上時(shí)，所提算法仍然能夠獲取較高的定位精度。2接入點(diǎn)ACCESSPOINT，AP選擇算法有利于降低指紋定位系統(tǒng)中信號處理的特征維度，降低算法的計(jì)算復(fù)雜度從而提高定位實(shí)時(shí)性同時(shí)，有利于降低系統(tǒng)存儲開銷。論文通過定位誤差估計(jì)的克拉美羅底界分析，提出了一種融合信號強(qiáng)度、區(qū)分度及穩(wěn)定性的混合AP選擇算法，從而在降低計(jì)算復(fù)雜度的同時(shí)最大化AP信號的空間位置區(qū)分能力以提高定位精度性能。實(shí)驗(yàn)測試結(jié)果顯示，所提算法定位精度性能優(yōu)于其它算法，平均定位精度可達(dá)1～2M。3在在線階段位置估計(jì)與追蹤算法設(shè)計(jì)中，提出了基于粒子群優(yōu)化PARTICLESWARMOPTIMIZATION，PSO與卡爾曼濾波KALMANFILTERKF算法PSOKF的定位追蹤系統(tǒng)。論文給出了PSO算法在指紋定位系統(tǒng)中的應(yīng)用模型，分析了PSO算法粒子群初始化對定位誤差的影響及分析了算法的計(jì)算復(fù)雜度。在動態(tài)位置估計(jì)中，改進(jìn)了PSO算法的初始化策略以提高算法的收斂速度及全局收斂性能，從而提高位置估計(jì)精度同時(shí)，結(jié)合卡爾曼濾波算法對位置估計(jì)結(jié)果做進(jìn)一步的修正平滑以獲取高精度的終端位置追蹤效果。理論分析與實(shí)驗(yàn)結(jié)果驗(yàn)證了所提PSOKF算法的有效性，結(jié)果顯示PSOKF算法的最大位置估計(jì)誤差小于15M。4論文中所有實(shí)驗(yàn)是用所開發(fā)的定位平臺在兩個真實(shí)的室內(nèi)場景中測試實(shí)現(xiàn)的，充分驗(yàn)證了所提算法的有效性與實(shí)用性，對室內(nèi)LBS商業(yè)化進(jìn)展具有一定的促進(jìn)作用。

簡介：專業(yè)學(xué)位碩士學(xué)位論文基于人工智能集成技術(shù)的時(shí)間序列預(yù)測模型及基于人工智能集成技術(shù)的時(shí)間序列預(yù)測模型及其應(yīng)用其應(yīng)用THETIMESERIESFECASTINGMODELBASEDONARTIFICIALINTELLIGENCEINTEGRATIONTECHNIQUEITSAPPLICATION作者姓名楊梅春學(xué)科、專業(yè)應(yīng)用統(tǒng)計(jì)學(xué)號31501004指導(dǎo)教師閆達(dá)文副教授完成日期2017年5月30日大連理工大學(xué)DALIANUNIVERSITYOFTECHNOLOGY大連理工大學(xué)專業(yè)學(xué)位碩士學(xué)位論文I摘要時(shí)間序列的預(yù)測研究在整個預(yù)測領(lǐng)域中有著舉足輕重的地位，在決策領(lǐng)域還是風(fēng)險(xiǎn)管理中都有著極其深遠(yuǎn)的意義。傳統(tǒng)的時(shí)間序列分析模型如ARIMA模型在應(yīng)用時(shí)往往要建立在正態(tài)分布的假定之上，并且對于時(shí)間序列數(shù)據(jù)中潛在的非線性特征往往無能為力。因此對于多數(shù)實(shí)際問題而言，傳統(tǒng)的時(shí)間序列模型通常會失效。人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等人工智能技術(shù)ARTIFICIALINTELLIGENCE，簡稱AI克服了傳統(tǒng)模型的局限性，以數(shù)據(jù)為驅(qū)動，全面的呈現(xiàn)出時(shí)間序列數(shù)據(jù)的非線性動態(tài)系統(tǒng)。人工智能技術(shù)在時(shí)序分析范疇中的普遍實(shí)現(xiàn)已經(jīng)證明了其在時(shí)序分析問題研究中的良好表現(xiàn)以及普適性能。大量的理論和實(shí)證研究也已經(jīng)充分證明了集成思想的真實(shí)性和有效性。然而對于集成預(yù)測模型的研究還主要集中在線性集成技術(shù)上，對預(yù)測表現(xiàn)的改善非常有限。因此近些年來興起了對非線性集成方法的研究，采用智能系統(tǒng)手段對權(quán)重模式進(jìn)行學(xué)習(xí)，使得模型的泛化能力以及對樣本數(shù)據(jù)的擬合程度都得到了明顯的改善。這篇文章結(jié)合統(tǒng)計(jì)理論、AI方法，包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)，以及集成手段，引入三種時(shí)間序列分析模型，即SBPNN、EMDLSSVM及集成預(yù)測模型。并且，文章利用原油市場的現(xiàn)貨價(jià)格數(shù)據(jù)進(jìn)行實(shí)證分析，以ARMAGARCH模型為參照基準(zhǔn)，從規(guī)范化的均方誤差和方向變化統(tǒng)計(jì)量兩個角度對比各個方法的預(yù)測表現(xiàn)。實(shí)證結(jié)果表明從兩個表現(xiàn)評價(jià)指標(biāo)來看，EMDLSSVM模型的預(yù)測表現(xiàn)在三個單獨(dú)的收益率時(shí)間序列預(yù)測模型中均為最好；非線性集成方法的整體估測表現(xiàn)優(yōu)于單獨(dú)的各模型的表現(xiàn)；而在三個結(jié)合集成方法的模型中，SVM的估測表現(xiàn)最為突出。也就是說，SVM非線性集成預(yù)測模型能夠?qū)Σ紓愄卦偷娜帐找媛蔬M(jìn)行最準(zhǔn)確的預(yù)測，進(jìn)而給投資者以更有利的投資和決策建議。關(guān)鍵詞時(shí)間序列預(yù)測；人工智能技術(shù)；集成技術(shù)；原油市場

簡介：故障診斷是模擬電路自動測試的關(guān)鍵環(huán)節(jié)，是評定一個自動測試系統(tǒng)的重要依據(jù)。而傳統(tǒng)故障診斷系統(tǒng)診斷模塊可移植性差，診斷知識難以移植，使故障診斷系統(tǒng)的開發(fā)效率難以提高。為實(shí)現(xiàn)診斷知識的可共享性和診斷模塊的可移植性，本文利用IEEE1232標(biāo)準(zhǔn)對診斷數(shù)據(jù)和診斷模塊進(jìn)行規(guī)范，開發(fā)了基于IEEE1232標(biāo)準(zhǔn)的故障診斷軟件，使得診斷數(shù)據(jù)和診斷模塊能夠在支持IEEE1232標(biāo)準(zhǔn)的系統(tǒng)間進(jìn)行共享和移植。本文開發(fā)的故障診斷軟件主要有三個部分構(gòu)成，分別是故障樹的自動建立模塊，模型文件生成模塊和故障推理模塊。首先，在對故障電路進(jìn)行深入分析的基礎(chǔ)上，采用基于元件小故障樹的自動建樹方法，確定系統(tǒng)頂事件和故障結(jié)構(gòu)，使用數(shù)據(jù)庫建立元件小故障樹，并利用故障系統(tǒng)元件的邏輯關(guān)系建立起整個系統(tǒng)的故障樹。診斷數(shù)據(jù)的可共享性是通過將診斷數(shù)據(jù)轉(zhuǎn)換成符合標(biāo)準(zhǔn)的交換文件實(shí)現(xiàn)的。IEEE1232標(biāo)準(zhǔn)為交換文件指定了兩種文件格式標(biāo)準(zhǔn)，分別是ISO10303211994標(biāo)準(zhǔn)和ISO10303282007標(biāo)準(zhǔn)。為進(jìn)一步實(shí)現(xiàn)診斷知識的共享性，本文對兩種標(biāo)準(zhǔn)的交換格式都進(jìn)行了實(shí)現(xiàn)。為完成故障診斷，本文按照IEEE1232標(biāo)準(zhǔn)對故障推理機(jī)的定義，開發(fā)了故障推理模塊，利用上一步生成的標(biāo)準(zhǔn)格式的交換文件，對故障系統(tǒng)進(jìn)行診斷，定位出故障信息。并開發(fā)了推理客戶程序，實(shí)現(xiàn)與測試環(huán)境的交互。最后，通過將故障診斷系統(tǒng)整合到自動測試系統(tǒng)中，利用人為設(shè)置故障的電路對系統(tǒng)進(jìn)行驗(yàn)證。經(jīng)驗(yàn)證發(fā)現(xiàn)，本文開發(fā)的系統(tǒng)能夠正確建立系統(tǒng)的故障樹圖，生成有效的交換文件，并利用故障推理模塊成功地定位出故障信息。故障診斷的各個功能部分都達(dá)到了預(yù)期的目標(biāo)。

簡介：人工智能自1956年6月在達(dá)特茅斯會議誕生以來，取得了迅速的發(fā)展。自人工智能誕生50多年來，人工智能作為一門新興的交叉學(xué)科，在快速發(fā)展的同時(shí)，其思想、理論、方法和技術(shù)已滲透到科學(xué)技術(shù)的諸多領(lǐng)域和人類生活的各個方面。人工智能是意圖用計(jì)算機(jī)智能來模擬人類智能的行為，并以此加深對人腦的功能和智能本質(zhì)的認(rèn)識和理解。環(huán)顧當(dāng)今的人工智能研究領(lǐng)域，一些縱橫交錯的哲學(xué)問題困擾著每一個智能研究者。從人工智能的研究中涉及到的哲學(xué)問題來看，它既涉及到智能的哲學(xué)意義也涉及到智能的應(yīng)用問題。要解決這些問題，對人工智能的研究就不可避免地涉及到意識等傳統(tǒng)哲學(xué)問題的探討。本文從哲學(xué)的角度研究了人工智能在發(fā)展過程中引發(fā)的一系列問題，探討了以認(rèn)知科學(xué)為科學(xué)基礎(chǔ)，以計(jì)算機(jī)為載體的智能模擬的基本問題，并運(yùn)用辯證法和意識論進(jìn)行研究分析，深入分析了人類智能和人工智能之間的關(guān)系以及人工智能帶來的社會問題。在不遠(yuǎn)的未來，人類將充分發(fā)揮其思維意識去改造和創(chuàng)造新的智能機(jī)，人工智能將在人類智能的帶領(lǐng)下不斷進(jìn)步與發(fā)展。本文將從五個部分探討人工智能的發(fā)展第一章簡要介紹人工智能的起源以及人工智能發(fā)展最具代表的四大學(xué)派，人工智能發(fā)展的科學(xué)基礎(chǔ)以及人工智能的最新研究成果。第二章通過比較人工智能與人類智能的優(yōu)缺點(diǎn)，從辯證法的角度分析人工智能與人類智能的發(fā)展情況。第三章是對人工智能的哲學(xué)審視，從意識和辯證法的角度，闡述人工智能對意識本質(zhì)產(chǎn)生的影響。第四章主要分析人工智能的發(fā)展對人類社會的影響，對人工智能發(fā)展帶來的社會問題進(jìn)行探討。第五章是對前幾章的小結(jié)，希望在哲學(xué)理論的引導(dǎo)下，人類在人工智能的研究中能出現(xiàn)更好的結(jié)果。

簡介：聚丙烯在生產(chǎn)生活中的重要地位對聚丙烯生產(chǎn)過程中的產(chǎn)品質(zhì)量控制提出了更高的要求，其熔融指數(shù)MELTINDEX，MI的預(yù)報(bào)顯得尤為重要。本文針對丙烯聚合生產(chǎn)過程中的MI軟測量預(yù)報(bào)建模問題，采用最小二乘支持向量機(jī)LSSVM、小波神經(jīng)網(wǎng)絡(luò)WNN和TS模糊神經(jīng)網(wǎng)絡(luò)TS進(jìn)行建模，然后使用人工智能算法對模型參數(shù)進(jìn)行優(yōu)化應(yīng)用改進(jìn)的人工智能算法，使預(yù)報(bào)模型性能得到提高建立多種智能預(yù)報(bào)模型，且成功地應(yīng)用于實(shí)際工業(yè)數(shù)據(jù)的預(yù)報(bào)，為實(shí)際生產(chǎn)中的MI軟測量預(yù)報(bào)提供了更多的選擇。本文的主要工作及貢獻(xiàn)包括1、針對丙烯聚合工藝生產(chǎn)過程，選取合適的輸入變量和輸出變量作為熔融指數(shù)預(yù)報(bào)模型的建模變量，隨后引入主元分析方法PCA，對模型輸入變量進(jìn)行簡化處理，并確定預(yù)報(bào)模型的性能評價(jià)指標(biāo)2、在分析傳統(tǒng)的果蠅優(yōu)化算法FOA缺點(diǎn)的基礎(chǔ)上，針對性地利用變異思想和改變搜索方式的策略，分析研究了自適應(yīng)變異果蠅優(yōu)化算法和改進(jìn)的果蠅優(yōu)化算法，并與最小二乘支持向量機(jī)、小波神經(jīng)網(wǎng)絡(luò)相結(jié)合，分別建立基于自適應(yīng)變異果蠅優(yōu)化算法優(yōu)化的聚丙烯熔融指數(shù)最優(yōu)預(yù)報(bào)模型、基于改進(jìn)的果蠅優(yōu)化算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)聚丙烯熔融指數(shù)最優(yōu)預(yù)報(bào)模型，工廠實(shí)際生產(chǎn)數(shù)據(jù)的研究結(jié)果表明了所提出的基于果蠅智能的熔融指數(shù)最優(yōu)預(yù)報(bào)模型的有效性3、在分析傳統(tǒng)的自由搜索算法FS不足的基礎(chǔ)上，借助自然界災(zāi)變的思想，分析研究了改進(jìn)的自由搜索算法，并與模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立了基于改進(jìn)的自由搜索算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)聚丙烯熔融指數(shù)最優(yōu)預(yù)報(bào)模型，工廠實(shí)際生產(chǎn)數(shù)據(jù)的研究結(jié)果表明了所提出的基于改進(jìn)的自由搜索算法優(yōu)化的熔融指數(shù)最優(yōu)預(yù)報(bào)模型的有效性。