支持向量机算法实现人民币序列号识别

人民币序列号识别是一个小样本、非线性和高维模式识别问题,是当前模式识别中的难题之一,具有重要研究意义和实用价值。主要研究了统计学习理论中支持向量机的二次优化算法,并将支持向量机应用于货币序列号的机器识别中。将次序最小优化算法构建的支持向量机用于序列号识别,充分发挥了支持向量机解决小样本、非线性和高维模式识别问题的优点。支持向量机（SVM）实验结果表明,这种支持向量机货币识别方法具有较高的可实现性和识别精度。     

模糊支持向量机的研究与应用

模糊支持向量机是在支持向量机的基础上引入模糊隶属度函数发展而来,是对支持向量机的改进和完善,一定程度上解决了传统支持向量机算法对噪声和孤立点敏感的问题,被广泛应用于模式识别和人工智能领域。文章阐述了模糊理论和模糊支持向量机的研究现状及其发展,深入探讨了模糊理论中几种模糊隶属度函数的设计方法,并对几种模糊支持向量机的原理及特点进行了详细的分析,最后介绍了模糊支持向量机在各个领域中的应用及发展前景。     

支持向量机在DSP中的实现方法研究

支持向量机是在统计学习理论基础上发展起来的一种新的模式识别方法,在解决小样本、非线性和高维模式识别问题中表现出了许多独特优势;为实现支持向量机的实时应用,提出了基于TMS320C6711DSP芯片的支持向量机的设计和实时实现方案,给出了支持向量机在模式识别中的实时应用模型和具体的硬件电路框图,对具体的硬件接口和软件编写进行了阐述;经系统仿真,该实现方法具有较好的可靠性和快速性,可以满足支持向量机的实时实现要求.     

基于支持向量机的纸币识别方法设计与研究

纸币识别是一个小样本、非线性和高维模式识别问题,是当前模式识别中的难题之一,具有重要研究意义和实用价值;选用支持向量机二次优化算法中的序贯最小优化算法,该算法以解析的方法处理优化问题,训练速度较快,识别率较高;序贯最小优化算法优化标准的单一阈值容易错判优化条件,从而导致花费大量时间寻找第二个优化样本;在优化标准中增设上下界两个阈值来判断优化条件,避免了原算法单一阈值判决的这个缺点,加快了训练速度,提高了识别率;将此种支持向量机训练算法用于纸币识别,能够充分发挥支持向量机解决小样本、非线性和高维模式识别问题的优点,能够适合工程应用中的需要.     

用混沌理论优化SVM核参数的研究

混沌优化算法是一种有效的全局优化算法,其计算复杂度较低,搜索速度快。支持向量机是近年来新兴的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出了突出的优点。但支持向量机的识别性能对于参数的选择是敏感的,提出用混沌优化算法来优化支持向量机的参数,不仅提高了支持向量机的性能,而且解决了传统的选取参数方法计算量大、参数多时难以奏效的问题。仿真结果表明性能较好、计算量较少。     

基于遗传算法优化支持向量机的电梯交通模式识别

电梯交通模式识别问题是电梯群控系统优化调度的基础.在电梯交通模式识别研究中,支持向量机应用较为广泛且识别效果较好,但仍存在模型参数难以确定的问题.为此,提出一种结合遗传算法和支持向量机的电梯交通流模式识别方法:利用遗传算法对支持向量机的关键参数对——惩罚因子C和核函数参数σ自动全局寻优,将最佳参数组合(C,σ)代入原始...     

支持向量机训练和实现算法综述

支持向量机是在统计学习理论基础上发展起来的一种新的机器学习方法,支持向量机已成为目前研究的热点,并在模式识别、回归分析、函数估计等领域有了广泛的应用。该文在介绍了支持向量机的目前研究、应用状况和新进展的基础上,对支持向量机训练和实现算法进行了综述,最后指出了进一步研究和应用亟待解决的一些问题。     

基于PSO与LS—SVM的飞机总体设计的综合论证

研究小样本数据对飞机武器系统的设计和改型方案是航空系统工程的重要内容。针对提高设计的进度和质量问题,利用粒子群优化算法的群体智能优化理论与最小二乘回归支持向量机的回归思想,提出了一种基于粒子群算法与最小二乘回归支持向量机的飞机设计综合智能论证模型。提出应用粒子群算法对支持向量机核函数参数进行寻优,再利用优化的核函数参数支持向量机回归模型,建立映射模型来对飞机的作战效能进行预测。仿真实例验证了方法的适用性和结果的可靠性。     

支持向量机中引入后验概率的理论和方法研究

目前支持向量机解决模式识别问题是广大学者研究的热点，样本的后验概率在模式识别中至关重要，但是传统的支持向量机技术不提供后验概率，针对这一问题进行了3个方面的研究：（1）在给出样本点后验概率的基础上，将大规模优化问题分解成最大似然函数和最大分类边界两个规模优化问题；（2）给出了一种新的用后验概率修正最优分离超平面的方法，并且分析了该新方法的合理性；（3）用图像分类的3组实例说明本方法的有效性。     

二次损失函数支持向量机性能的研究

通过比较二次损失函数支持向量机和标准支持向量机在模式识别问题上的表现，分析了二次损失函数支持向量机的性能．实验表明这两种支持向量机对平衡数据有相似的分类能力，但二次损失函数支持向量机的优化参数更小，支持向量更多；对不平衡数据，二次损失函数支持向量机的分类准确率随不平衡度的增加而急剧下降．研究同时表明基于RM界的梯度方法对某些数据无效．文中定性分析了导致上述各种现象的原因．最后提出了一种利用黄金分割原理缩减二次损失函数支持向量机支持向量的方法，该方法冗余的支持向量数不超过一个．     

工业人工智能的关键技术及其在预测性维护中的应用现状

随着人工智能技术的快速发展及其在工业系统中卓有成效的应用, 工业智能化成为当前工业生产转型的一个重要趋势. 论文提炼了工业人工智能(Industrial artificial intelligence, IAI)的建模、诊断、预测、优化、决策以及智能芯片等共性关键技术, 总结了生产过程监控与产品质量检测等4个主要应用场景. 同时, 论文选择预测性维护作为工业人工智能的典型应用场景, 以工业设备的闭环智能维护形式, 分别从模型方法、数据方法以及融合方法出发, 系统的总结和分析了设备的寿命预测技术和维护决策理论, 展示了人工智能技术在促进工业生产安全、降本、增效、提质等方面的重要作用. 最后, 探讨了工业人工智能研究所面临的问题以及未来的研究方向.     

符合伦理的人工智能应用的价值敏感设计:现状与展望

价值敏感设计是一种将伦理嵌入人工智能设计的高效方法,尤其是其独特的三方方法为人工智能应用提供了规避伦理问题和道德风险的手段,因此有着广阔的应用前景.本文系统地介绍了价值敏感设计的内涵、原理和方法;详细描述了价值敏感设计在国内外的研究现状,并对典型研究内容进行了对比分析;总结了近年来价值敏感设计在智能机器人、智能运载工具...     

A comparison of neural networks and adaptive neuro-fuzzy inference systems for the prediction of water diffusion through carbon nanotubes

Given the fact that artificial intelligence tools such as neural network and fuzzy logic are capable of learning and inferencing from the past to capture the patterns that exist in the data, this study presents an intelligent method for the forecasting of water diffusion through carbon nanotubes where predictions are generated from neuro-fuzzy structures using molecular dynamics data. Therefore, this research was mainly focused on combining molecular dynamics with artificial intelligence methods in order to reduce the computational time of biomolecular and nanofluidic simulations. Two different artificial intelligence methods are applied for the time-dependent water diffusion forecasting: artificial neural network (ANN) and adaptive neuro-fuzzy inference systems (ANFISs). The effects of different sizes of training sample sets on forecasting performance of ANN and ANFIS are investigated as well. Four different evaluation methods are used to measure the performance and forecasting accuracy of these two methods. As a result, ANFIS presents the higher accuracy than neural network method based on the comparison of these different evaluation methods adopted in this research. The results reported in this research demonstrate that combining of molecular dynamics with artificial intelligence methods can be one of the most powerful and beneficial tools for prediction of important nanofluidic parameters.     

基于约束参数化的设计技术研究现状分析

系统分析了基于约束的参数化设计技术的研究现状。首先指出早期CAD系统初级参数化的主要缺陷；根据参数化设计方法在不同时期的主要特点，回顾了参数化设计的发展过程。参数化方法被划分为程序参数化、在线交互参数化和基于自组织方式的离线参数化。在在线交互参数化方法中，重点探讨了初等方法、变量几何法、人工智能法和构造过程法的原理和特点，并在人工智能法中介绍了基于知识的几何推量法、基于自由度分析的约束传播法和基于神经网络的自学习法；给出基于自组织方式离线参数化方法的主要步骤和特点。最后阐明了各种参数化方法存在的问题，以及该技术将来的发展方向。     

人工智能对科研信息化的推动作用

随着科技的不断发展,国家相关部门的重视,人工智能掀起了又一轮热潮。国家相关部门发布了关于人工智能的行动实施方案,明确了人工智能的重点研究领域和相关任务,为人工智能的强力有序发展提供了保障。本文概述了人工智能的国家战略以及主要任务,如加快建设文献、语音、图像、视频、地图等多种类数据的海量训练资源库和基础资源服务公共平台,建设支撑超大规模深度学习的新型计算集群,建立完善产业公共服务平台。本文列举了人工智能在各行各业的应用,包括化学,物理学,生物信息学,地质学,药物设计,建筑领域等方面,其中包括深度学习方法的运用,重点强调了人工智能对于科研信息化的巨大推动作用,包括超级计算领域,科学数据领域,无线网络领域,物联网领域,生物信息领域等。之后从政府、科研院所、企业多个层面详细阐述世界各国以及中国在基于人工智能的科研信息化方面的探索,对中国基于人工智能的科研信息化建设方面提出可行性建议。最后,对人工智能的应用范围以及发展前景做了展望。     

伦理智能体及其设计:现状和展望

智能体一直是人工智能的主要研究领域之一,任何独立的能够同环境交互并自主决策的实体都可以抽象为智能体.随着人工智能从计算智能到感知智能,再到认知智能的发展,智能体已逐步渗透到无人驾驶、服务机器人、智能家居、智慧医疗、战争武器等人类生活密切相关的领域.这些应用中,智能体与环境、尤其是与人类和社会的交互愈来愈突出,其中的伦理和道德问题日益凸显.人工智能应用的伦理风险和挑战引起了人们的普遍关注,伦理智能体是人工智能伦理的重要研究内容.本文从人工智能伦理的工程设计与实现角度,对伦理智能体及图灵测试、伦理智能体的设计范式、伦理智能体的逻辑程序设计、伦理智能体的形式化验证、伦理困境及分析等进行了介绍和讨论.同时,对伦理智能体及设计所面临的挑战和进一步研究方向进行了述评和展望.     

AI techniques in modelling,assignment, problem solving and optimization

This paper recapitulates the results of a long research on a family of artificial intelligence (AI) methods—relying on, e.g., artificial neural networks and search techniques—for handling systems with high complexity, high number of parameters whose input or output nature is partly unknown, high number of dependencies, as well as uncertainty and incomplete measurement data. Aside from classical modelling, basic problem solving and optimization techniques are presented. Finally, a novel submodel decomposition method is shown with an extended feature selection algorithm highlighted, along with possibilities of further development. Examples of practical application are shown to illustrate the viability of the methods.     

Artificial intelligence based optimization for vibration energy harvesting applications

This paper deals with optimization studies based on artificial intelligence methods. These modern optimization methods can be very useful for design improving of an electromagnetic vibration energy harvester. The vibration energy harvester is a complex mechatronic device which harvests electrical energy from ambient mechanical vibrations. The harvester design consists of a precise mechanical resonator, electromagnetic converter and electronics. The optimization study of such complex mechatronic device is complicated however artificial intelligence methods can be used for set up of optimal harvester parameters. Used optimization strategies are applied to optimize the design of the electro-magnetic vibration energy harvester according to multi-objective fitness functions. Optimization results of the harvester are summarized in this paper. Presented optimization algorithms can be used for a design of new energy harvesting systems or for improving on existing energy harvesting systems.     

人工智能在计算机辅助工艺设计中的应用

随着计算机软硬件技术的不断成熟,计算机辅助工艺设计的理论与方法已发生了质的飞跃。将人工智能理论应用于计算机辅助工艺设计是新近发展起来的研究热点之一,也是工业设计现代化发展趋势。它不仅可以把人工智能领域中的研究成果移植到计算机辅助工艺设计中,而且也扩大了人工智能的应用领域,使两者得到完美结合,促进共同发展。本文简要地叙述了计算机辅助工艺设计和人工智能的基本概念,探讨了人工智能在计算机辅助工艺设计中的应用。     

多种人工智能算法的数据库技术课程自动组卷比较

在线考试被广泛应用在远程教育上,自动化组卷是在线考试的关键技术,组卷问题即是多目标期望值的求解问题,其往往存在多个解,人工智能算法对于求解多目标函数有明显优势.采用遗传算法及蚁群算法的多目标优化求解更加高效,能更好胜任于本文数据库技术课程的自动化组卷.在讨论人工智能算法在组卷应用基础上,构建了组卷指标体系,建立多目标约束数学模型,并对多目标期望值进行优化求解.多次实验结果论证表明,人工智能算法的成功率最高,平均达到98%以上（含蚁群算法100%,遗传算法96%）,而非人工智能的算法成功率较低,随机变量法62%,回溯试探法84%.应用人工智能方法特别是遗传算法和蚁群算法,提升了自动化组卷效率,满足了实际各种组卷的需要,使其在远程教育和在线考试中有很好的应用前景.