共查询到17条相似文献,搜索用时 125 毫秒
1.
本文主要对ES、ANN、FST、GA及Petri网络等技术的基本概念进行简单介绍,并分析其在FD—Ps中应用特点、存在的问题及最新的发展动向。 相似文献
2.
3.
4.
5.
6.
7.
目的在新一代人工智能发展背景下,分析并明确人工智能产品及其服务体系的特征与价值,指出未来发展趋势,为相关设计、技术与应用研究提供参考。方法从人工智能的概念出发,给出人工智能产品及其服务体系的定义;收集并分析典型的人工智能产品和相关研究,总结整理人工智能产品的关键特征和支撑技术;探索人工智能产品的典型服务场景,对相关研究现状进行综述;基于前文分析对未来发展趋势及挑战进行预测。结论指明了人工智能产品具有情境感知、自适应学习、自主决策、主动交互与协同的典型特征;描绘了以数据和计算能力为基础、算法为核心、多种底层技术与通用技术为支持的场景应用的人工智能产品支撑技术框架;分析了人工智能产品的服务体系在不同场景中可以被赋予的价值;预测了由技术驱动向设计驱动转化、由单品视角向服务体系视角转变的未来发展趋势。 相似文献
8.
《中国新技术新产品》2016,(22)
本文介绍了智能机器人的基本构造,梳理人工智能在进行电力系统巡检和故障诊断过程中的各种方法,基于智能机器人实际工作运行的情况,分析故障诊断存在的问题,提出了解决问题的措施,并提出了智能机器人未来趋势与展望。 相似文献
9.
10.
电力系统自动化是现代计算机技术应用的一个重要领域,计算机发展过程中的每一项新技术、新成果都会以最快的速度被电力系统自动化应用计算机技术的发展推动了电力系统自动化的进程。计算机技术在发展,电力系统自动化水平在不断提高。 相似文献
11.
目的 梳理人工智能(AI)技术在感性工学研究中的应用现状,对关键技术、存在问题、研究趋势进行分析。方法 通过归纳整理国内外相关文献,分析人工智能基础研究领域,以感性工学研究的一般流程为主线,探讨人工智能在用户情感意向获取、产品设计特征提取、映射模型构建3个环节中的应用。结论 人工智能在感性工学研究中的广泛应用,极大地提高了设计效率,加快了设计的自动化和智能化的步伐,但也存在着局限性。在未来,感性工学通过与生成式AI相结合将成为新的趋势,更加强大和高效的人工智能将会给设计行业带来新的机遇和挑战。 相似文献
12.
目的 实现用户研究中语言材料分析的半自动化。方法 首先通过文献研究,明确了访谈类语言材料以性质分析为主要方法,问卷调查和网络评价类语言材料以量化统计分析为主要方法。然后通过方法比较,总结人工智能语义分析技术对于用户研究语言材料的八种常用能力:中文分词、命名实体识别、相似度分析、词频统计、情感倾向分析、文本分类、信息抽取、自动文摘,以及总结了以此为基础的语料分析处理流程。最后以“某品牌微蒸烤一体机交互设计创新”项目为例,介绍了应用人工智能语义分析技术对用户研究中的语言材料进行分析的具体执行方法。结果 测试验证人工智能语义分析技术在用户研究中的应用的有效性。结论 在设计领域应用人工智能技术具有巨大的潜力,通过总结针对性的算法,可以引入人工智能技术替代部分需要人智分析的工作,从而提高工作效率。 相似文献
13.
目的 通过对人工智能技术体系的认知与研究,了解人工智能技术在产品交互设计中的应用现状,发现人工智能给产品交互设计带来的革新、产生的新交互方式,以及未来人工智能技术在产品交互设计领域中的发展趋势。方法 以AI净饮机为主,小米智能家居和“小飞鱼”驾驶助手等设计案例为辅,全面剖析在整个设计过程中的应用思考与表现。深入分析人工智能在产品交互设计中的实际应用。结论 根据目前人工智能应用在各行各业中的现状,经过调研及分析其应用的技术手段,总结出人工智能如何驱动产品交互设计的发展。另外,在产品交互设计流程和方法中,通过人工智能的介入,可以提高产品交互设计的效率与用户体验。最终提出对传统产品交互设计的方式、方法、界面及信息构架等多维度的产品设计概念的重新定义,对未来的发展方向进行了设想。 相似文献
14.
Fadwa Alrowais Ahmed S. Almasoud Radwa Marzouk Fahd N. Al-Wesabi Anwer Mustafa Hilal Mohammed Rizwanullah Abdelwahed Motwakel Ishfaq Yaseen 《计算机、材料和连续体(英文)》2022,72(2):2783-2795
Mobile edge computing (MEC) provides effective cloud services and functionality at the edge device, to improve the quality of service (QoS) of end users by offloading the high computation tasks. Currently, the introduction of deep learning (DL) and hardware technologies paves a method in detecting the current traffic status, data offloading, and cyberattacks in MEC. This study introduces an artificial intelligence with metaheuristic based data offloading technique for Secure MEC (AIMDO-SMEC) systems. The proposed AIMDO-SMEC technique incorporates an effective traffic prediction module using Siamese Neural Networks (SNN) to determine the traffic status in the MEC system. Also, an adaptive sampling cross entropy (ASCE) technique is utilized for data offloading in MEC systems. Moreover, the modified salp swarm algorithm (MSSA) with extreme gradient boosting (XGBoost) technique was implemented to identification and classification of cyberattack that exist in the MEC systems. For examining the enhanced outcomes of the AIMDO-SMEC technique, a comprehensive experimental analysis is carried out and the results demonstrated the enhanced outcomes of the AIMDO-SMEC technique with the minimal completion time of tasks (CTT) of 0.680. 相似文献
15.
Lipichanda Goswami Manoj Kumar Deka Mohendra Roy 《Advanced Engineering Materials》2023,25(13):2300104
The role of artificial intelligence (AI) in material science and engineering (MSE) is becoming increasingly important as AI technology advances. The development of high-performance computing has made it possible to test deep learning (DL) models with significant parameters, providing an opportunity to overcome the limitation of traditional computational methods, such as density functional theory (DFT), in property prediction. Machine learning (ML)-based methods are faster and more accurate than DFT-based methods. Furthermore, the generative adversarial networks (GANs) have facilitated the generation of chemical compositions of inorganic materials without using crystal structure information. These developments have significantly impacted material engineering (ME) and research. Some of the latest developments in AI in ME herein are reviewed. First, the development of AI in the critical areas of ME, such as in material processing, the study of structure and material property, and measuring the performance of materials in various aspects, is discussed. Then, the significant methods of AI and their uses in MSE, such as graph neural network, generative models, transfer of learning, etc. are discussed. The use of AI to analyze the results from existing analytical instruments is also discussed. Finally, AI's advantages, disadvantages, and future in ME are discussed. 相似文献
16.
17.
目的人工智能对交互的感知方式及认知逻辑影响较大,交互设计的方法、交互设计的流程、认知心智模型、交互技术及交互界面的表现方式在人工智能的影响下,已经发生颠覆式改变。交互设计面对新的技术变化,需要从技术哲学与创新思维及设计技法方面进行新的探索。方法通过文献综述人工智能的发展历史,对比研究人类智能与人工智能的差异关系,结合无人驾驶车产品服务系统的交互设计等案例分析,提出混合智能的概念,辨析人工智能与人类智慧混合作用于交互设计所带来的变化。结论混合智能对交互设计方法流程、设计细则、设计评判都会有新的特征表现,通过人工智能产品交互设计,印证人工智能对交互设计带来的深刻影响。 相似文献