智能的未来世界依赖于传感器

在今年的CES上,我被大量可追踪像步数、睡眠数量和质量、消耗卡路里、脉搏甚至心情等信息的新型可穿戴医疗设备迷住了。在去年的CES上这类展台还只有24个,今年已经发展N75个展位。大多数这类产品存在什么共同点呢？它们都通过传感器来监控各种活动,并传递相关信息到智能手机、平板电脑或PC上。我就是一个很好的例子,因为在过去的六个月中,我已经佩戴了几个医疗设备。     

未来软件技术的发展方向

标准化的软件部件在未来有一个极大的市场,这些部件可以被看成砖头类的建筑材料,而提供的软件总线可看成水泥,用这两样东西可以盖出各式各样的房子,而解决方案就好比房子的设计图,供客户挑选。     

软件技术的发展及未来展望

软件技术是发展变化的,其发展趋势是,方法对象化、系统构件化、开发工业化,掌握新技术可以大大提高软件开发速度.     

软件技术的发展及未来展望

软件技术是发展变化的,其发展趋势是,方法对象化、系统构件化、开发工业化,掌握新技术可以大大提高软件开发速度。     

软件技术的发展及未来展望

软件技术是发展变化的，其发展趋势是，方法对象化、系统构件化、开发工业化，掌握新技术可以大大提高软件开发速度。     

未来的透明社会

从历史上看,大多数情况下保护隐私对我们来说是一种奢侈,我们为追求生存已忙得不可开交.当我们的老祖宗挤住在洞穴中时,他们相互间了解谁是最出色的猎手,谁和谁同居.后来演变到了领地、村庄、城镇,每一个人都知道谁是值得信赖的,谁是酒鬼,谁有钱.在这种亲密无间的状态下,很难做到隐私的绝对保密.     

自然语言处理中的探针可解释方法综述

随着大规模预训练模型的广泛应用,自然语言处理的多个领域(如文本分类和机器翻译)取得了长足的发展.然而,受限于预训练模型的“黑盒”特性,其内部的决策模式以及编码的知识信息被认为是不透明的.以Open AI发布的Chat GPT和GPT-4为代表的先进预训练模型为例,它们在多个领域取得重大性能突破的同时,由于无法获知其内部是否真正编码了人们期望的知识或语言属性,以及是否潜藏一些不期望的歧视或偏见,因此仍然无法将其应用于重视安全性和公平性的领域.近年来,一种新颖的可解释性方法“探针任务”有望提升人们对预训练模型各层编码的语言属性的理解.探针任务通过在模型的某一区域训练辅助语言任务,来检验该区域是否编码了感兴趣的语言属性.例如,现有研究通过冻结模型参数并在不同层训练探针任务,已经证明预训练模型在低层编码了更多词性属性而在高层编码了更多语义属性,但由于预训练数据的毒性,很有可能在参数中编码了大量有害内容.该文首先介绍了探针任务的基本框架,包括任务的定义和基本流程;然后对自然语言处理中现有的探针任务方法进行了系统性的归纳与总结,包括最常用的诊断分类器以及由此衍生出的其他探针方法,为读者提供设计合理...     

可演进高智能的未来网络架构研究

随着人们对信息化新需求的不断出现和提升,互联网也面临着新的挑战。传统的互联网在网络架构上存在着一些明显的不足,难以与时俱进地适应需求的发展,未来网络的建设将成为通信产业的一个重要方向,特别是具有高智能、可演进特征的网络架构,这其中SDN将发挥重大作用。     

强化学习的可解释方法分类研究

强化学习能够在动态复杂环境中实现自主学习,这使其在法律、医学、金融等领域有着广泛应用。但强化学习仍面临着全局状态空间不可观测、对奖励函数强依赖和因果关系不确定等诸多问题,导致其可解释性弱,严重影响其在相关领域的推广,会遭遇诸如难以判断决策是否违反社会法律道德的要求,是否准确及值得信任等的限制。为了进一步了解强化学习可解释性研究现状,从可解释模型、可解释策略、环境交互、可视化等方面展开讨论。基于此,对强化学习可解释性研究现状进行系统论述,对其可解释方法进行归类阐述,最后提出强化学习可解释性的未来发展方向。     

CAI课件开发的软件技术与方法

本文探讨了ＣＡＩ课件开发中的软件技术与方法．并就图象技术、中文处理技术等问题进行了重点讨论。     

+智能:迎接未来世界的正确姿势

何谓+ 智能?要理解什么是 + 智能,首先要从数字化转型说起.数字化转型一词由来已久,在不同的历史时期,其内涵并不相同.过去六十年来,计算机技术迅速发展,在人类生产生活的每个领域几乎都广泛应用,整个世界开始了信息化进程,数字化转型也由此诞生.     

十一届软交会,让智能走进未来生活

据悉,作为中国第一的软件交易会,第十一届中国国际软件和服务交易会将于2013年6月20日—23日在大连拉开帷幕,本届软交会将以"智能改变未来"为主题,聚焦IT产业的智能应用,全面展现智能化、移动化、云端化、虚拟化的未来社会,充分彰显智能城市、智能生活的发展趋势及软件服务为产业升级、经济发展带来的影响,再次将智能城市、智能生活的建设和应用推向了时代的前沿。     

软件技术文档的编制方法

阐述了软件产品技术文档的重要性及技术文档的编写方法。     

让PNG格式图片变透明的简单方法

做设计或网站的朋友有时需要一个透明的PNG格式图片,对于专业人士,使用Photoshop即可方便地解决,如果你只是业余的偶然需要,下载Photoshop进行编辑就会很麻烦,而Office 中的PowerPoint大家都应该安装了,下面分享一下怎么通过PowerPoint让PNG格式图片变透明的简单方法。     

面向加密流量分类的深度可解释方法

目前的深度学习模型在加密流量分类任务上相较于传统机器学习方法的性能优势显著,然而由于它固有的黑盒特性,用户无法获知深度学习模型作出分类决策的机理。为了在保证分类准确率的同时提高深度学习模型的可信度,提出一种面向加密流量分类深度学习模型的可解释方法,包括基于原型的流量层级主动解释和基于特征相似显著图的数据包层级被动解释。首先,利用基于原型的流量原型网络（FlowProtoNet）,在训练时自动提取各类流量的典型片段,即流量原型;其次,在测试时计算出待测流量与各类原型的相似度,从而在分类的同时实现训练集的溯源解释;然后,为进一步提升可视化解释能力,提出梯度加权的特征相似度显著图（Grad-SSM）方法。Grad-SSM首先通过梯度对特征图加权,过滤分类决策无关区域;接着,计算待测流量与FlowProtoNet提取的原型之间的推土机距离（EMD）得到相似矩阵,从而通过比较测试流量与该类原型,实现注意力热图的进一步聚焦。在ISCX VPN-nonVPN数据集上,所提方法的准确率达到96.86%,与不可解释的人工智能方法持平,而FlowProtoNet能通过给出与原型的相似度,进一步提供分类依据...     

基于API序列的可解释恶意代码检测方法

针对基于API序列的恶意代码检测方法中,深度学习方法特征可解释性差,传统机器学习方法依赖人工设计特征以及忽视数据间时序特性等问题,从时序分类的角度,提出一种基于API序列的可解释恶意代码检测方法。将恶意代码动态API调用序列转换为熵时间序列;使用时间序列分类中的shapelet方法提取具有辨别性的特征;使用多种分类器构造检测模型。实验结果表明,该方法能够自主学习具有辨别性的时序特征,能够在兼具高准确率的同时提供模型的可解释性分类依据。     

可穿戴的过去与未来

有人用“呼啸而来”形容可穿戴技术和设备,贴切至极。无论是让人津津乐道的谷歌眼镜,还是众人翘首期待的苹果iWatch,可穿戴在哪都是主角。     

智能传感器的现状与未来

本文以带微处理机的液位、压力传感器为例介绍了国外智能传感器的发展现状和未来。概述了硅对辐射、机械、温度、磁和化学等非电量的信号转换能力,说明了硅作为智能传感器材料的优越性。指出下个年代将有大量的成熟的智能传感器问世。     

可检测用户解释冲突的对象模式规范化方法

若用户解释中存在冲突,现有的规范化处理过程将导致无法终止。文中提出了一种新的面向对象模式规范化方法,它在规范化过程中融进动态检测用户解释冲突的处理。     

可配置的嵌入式智能监控软件开发方法

针对目前监控软件开发成本高、效率低及通用性差等问题,在嵌入式平台上,利用组态软件思想,提出一种可配置的智能监控软件开发方法,通过编写配置文件快速重构监控系统的人机界面,并阐述软件的工作原理及实现的关键技术,给出一个应用实例。实验结果表明,运用该方法开发的监控软件可根据不同环境进行界面配置,实现人机界面的快速重构功能。