簡(jiǎn)介：沈陽(yáng)師范大學(xué)碩士學(xué)位論文人工智能在自動(dòng)排課中的應(yīng)用與研究姓名段君瑋申請(qǐng)學(xué)位級(jí)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(jiǎn)介：湖南師范大學(xué)碩士學(xué)位論文基于人工魚(yú)群算法的智能組卷研究姓名卞燦申請(qǐng)學(xué)位級(jí)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(jiǎn)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(píng)價(jià)研究姓名王桂芳申請(qǐng)學(xué)位級(jí)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(jiǎn)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(qǐng)學(xué)位級(jí)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(jiǎn)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(qǐng)學(xué)位級(jí)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(jiǎn)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(yú)查導(dǎo)師姓名蜚塞魚(yú)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(gè)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(xiě)過(guò)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(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)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(guó)科學(xué)技術(shù)信息研究所、國(guó)家圖書(shū)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(jiǎn)介：中圖分類(lèi)號(hào)Q211壘UDC510碩士學(xué)位論文學(xué)校代碼Q三蘭密級(jí)公玨圍棋人工智能中幾個(gè)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(huì)主中南大學(xué)二零一三年五月圍棋人工智能中幾個(gè)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(kāi)發(fā)的核心就以這兩個(gè)算法為主。本文簡(jiǎn)要分析了如何找到圍棋本身和圍棋對(duì)弈過(guò)程中的一些邊界和上限值，詳細(xì)講解了如何對(duì)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(lèi)型。最后通過(guò)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(duì)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(gè)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(huì)超過(guò)33，圍棋的嵌套層不會(huì)超過(guò)19層，并給出了一個(gè)強(qiáng)有力的猜想，在考慮雙活下，圍棋活棋塊數(shù)不會(huì)超過(guò)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(lèi)號(hào)02119II

簡(jiǎn)介：設(shè)備選址問(wèn)題是一個(gè)經(jīng)典的問(wèn)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(lái)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(duì)隨機(jī)需求的設(shè)備選址模型提出了一種基于人工魚(yú)的混合智能算法求解設(shè)備選址模型即將人工魚(yú)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(jiǎn)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(wèn)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(yú)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(duì)各個(gè)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(duì)于一些重積分無(wú)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(lè)觀值、悲觀值的步驟。根據(jù)隨機(jī)模擬的方法分別對(duì)設(shè)備選址的隨機(jī)期望值模型、隨機(jī)機(jī)會(huì)約束模型、隨機(jī)相關(guān)機(jī)會(huì)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(duì)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(guò)數(shù)值實(shí)例實(shí)現(xiàn)。5對(duì)傳統(tǒng)的人工魚(yú)算法作了改進(jìn)通過(guò)幾個(gè)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(yú)算法結(jié)合形成混合智能算法求解設(shè)備選址模型說(shuō)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(jiǎn)單易實(shí)現(xiàn)。

簡(jiǎn)介：南開(kāi)大學(xué)碩士學(xué)位論文科學(xué)儀器軟件平臺(tái)研發(fā)人工智能軟件包開(kāi)發(fā)姓名裴雷申請(qǐng)學(xué)位級(jí)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(shì)上來(lái)看，以測(cè)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(tái)上，可以很方便地改變軟件配置來(lái)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(guó)自己的科學(xué)儀器通用軟件平臺(tái)，帶動(dòng)我國(guó)分析儀器水平的提高，是我國(guó)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(huì)。而開(kāi)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(tái)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(gè)部分。科學(xué)儀器通用軟件平臺(tái)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(duì)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(guó)自己的科學(xué)儀器通用軟件平臺(tái)，帶動(dòng)我國(guó)分析儀器水平的提高，是我國(guó)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(huì)。而開(kāi)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(tái)的基石。而對(duì)于儀器支撐軟件的開(kāi)發(fā)者，人工智能軟件包是為其自行開(kāi)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(kāi)發(fā)平臺(tái)4

簡(jiǎn)介：學(xué)校代碼10663學(xué)號(hào)4201410000004貴州師范大學(xué)碩士學(xué)位論文人工智能對(duì)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(qǐng)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(duì)人的主體性帶來(lái)的消極影響29（一）對(duì)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(duì)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(yíng)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(yǔ)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(jiǎn)介：隨著無(wú)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(zhǎng)，室內(nèi)無(wú)線定位技術(shù)近年來(lái)得到了越來(lái)越廣泛的研究。而高性能無(wú)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(kāi)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?；跓o(wú)線局域網(wǎng)WIRELESSLOCALAREAWK，WEAN的接收信號(hào)強(qiáng)度RECEIVEDSIGNALSTRENGTH，RSS指紋信息定位技術(shù)受益于米級(jí)定位精度性能、智能終端的低開(kāi)發(fā)成本以及WEAN技術(shù)在室內(nèi)場(chǎng)景的廣泛分布這三大優(yōu)勢(shì)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(wèn)題以待解決。在離線階段，需要建立指紋數(shù)據(jù)庫(kù)并在環(huán)境變化時(shí)更新指紋數(shù)據(jù)庫(kù)以保證其定位有效性，而數(shù)據(jù)庫(kù)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(chǎng)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(duì)以上問(wèn)題，本論文將通過(guò)人工智能領(lǐng)域技術(shù)及優(yōu)化技術(shù)來(lái)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(lèi)算法的指紋數(shù)據(jù)庫(kù)自主重構(gòu)技術(shù)。通過(guò)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(cè)的RSS值分簇衰落特性，提出了室內(nèi)無(wú)線信號(hào)的區(qū)域化傳播模型REGIONALPROPOGATIONMODEL，RPM。利用仿射傳播聚類(lèi)技術(shù)對(duì)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(gè)數(shù)的子區(qū)域，然后利用各個(gè)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(guò)該模型預(yù)測(cè)其他未測(cè)量參考點(diǎn)處的指紋以重構(gòu)完整的指紋數(shù)據(jù)庫(kù)。實(shí)驗(yàn)測(cè)試結(jié)果顯示，所提路徑損耗傳播模型的RSS預(yù)測(cè)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(hào)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(chǔ)開(kāi)銷(xiāo)。論文通過(guò)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(hào)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(hào)的空間位置區(qū)分能力以提高定位精度性能。實(shí)驗(yàn)測(cè)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(duì)定位誤差的影響及分析了算法的計(jì)算復(fù)雜度。在動(dòng)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(duì)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(kāi)發(fā)的定位平臺(tái)在兩個(gè)真實(shí)的室內(nèi)場(chǎng)景中測(cè)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(duì)室內(nèi)LBS商業(yè)化進(jìn)展具有一定的促進(jìn)作用。

簡(jiǎn)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(cè)模型及基于人工智能集成技術(shù)的時(shí)間序列預(yù)測(cè)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(hào)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(cè)研究在整個(gè)預(yù)測(cè)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(duì)于時(shí)間序列數(shù)據(jù)中潛在的非線性特征往往無(wú)能為力。因此對(duì)于多數(shù)實(shí)際問(wèn)題而言，傳統(tǒng)的時(shí)間序列模型通常會(huì)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(jiǎn)稱AI克服了傳統(tǒng)模型的局限性，以數(shù)據(jù)為驅(qū)動(dòng)，全面的呈現(xiàn)出時(shí)間序列數(shù)據(jù)的非線性動(dòng)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(wèn)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(duì)于集成預(yù)測(cè)模型的研究還主要集中在線性集成技術(shù)上，對(duì)預(yù)測(cè)表現(xiàn)的改善非常有限。因此近些年來(lái)興起了對(duì)非線性集成方法的研究，采用智能系統(tǒng)手段對(duì)權(quán)重模式進(jìn)行學(xué)習(xí)，使得模型的泛化能力以及對(duì)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(cè)模型。并且，文章利用原油市場(chǎng)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?jī)蓚€(gè)角度對(duì)比各個(gè)方法的預(yù)測(cè)表現(xiàn)。實(shí)證結(jié)果表明從兩個(gè)表現(xiàn)評(píng)價(jià)指標(biāo)來(lái)看，EMDLSSVM模型的預(yù)測(cè)表現(xiàn)在三個(gè)單獨(dú)的收益率時(shí)間序列預(yù)測(cè)模型中均為最好；非線性集成方法的整體估測(cè)表現(xiàn)優(yōu)于單獨(dú)的各模型的表現(xiàn)；而在三個(gè)結(jié)合集成方法的模型中，SVM的估測(cè)表現(xiàn)最為突出。也就是說(shuō)，SVM非線性集成預(yù)測(cè)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(cè)，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(cè)；人工智能技術(shù)；集成技術(shù)；原油市場(chǎng)

簡(jiǎn)介：故障診斷是模擬電路自動(dòng)測(cè)試的關(guān)鍵環(huán)節(jié)，是評(píng)定一個(gè)自動(dòng)測(cè)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(shí)難以移植，使故障診斷系統(tǒng)的開(kāi)發(fā)效率難以提高。為實(shí)現(xiàn)診斷知識(shí)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(duì)診斷數(shù)據(jù)和診斷模塊進(jìn)行規(guī)范，開(kāi)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(kāi)發(fā)的故障診斷軟件主要有三個(gè)部分構(gòu)成，分別是故障樹(shù)的自動(dòng)建立模塊，模型文件生成模塊和故障推理模塊。首先，在對(duì)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(shù)的自動(dòng)建樹(shù)方法，確定系統(tǒng)頂事件和故障結(jié)構(gòu)，使用數(shù)據(jù)庫(kù)建立元件小故障樹(shù)，并利用故障系統(tǒng)元件的邏輯關(guān)系建立起整個(gè)系統(tǒng)的故障樹(shù)。診斷數(shù)據(jù)的可共享性是通過(guò)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(shí)的共享性，本文對(duì)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(duì)故障推理機(jī)的定義，開(kāi)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(duì)故障系統(tǒng)進(jìn)行診斷，定位出故障信息。并開(kāi)發(fā)了推理客戶程序，實(shí)現(xiàn)與測(cè)試環(huán)境的交互。最后，通過(guò)將故障診斷系統(tǒng)整合到自動(dòng)測(cè)試系統(tǒng)中，利用人為設(shè)置故障的電路對(duì)系統(tǒng)進(jìn)行驗(yàn)證。經(jīng)驗(yàn)證發(fā)現(xiàn)，本文開(kāi)發(fā)的系統(tǒng)能夠正確建立系統(tǒng)的故障樹(shù)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(gè)功能部分都達(dá)到了預(yù)期的目標(biāo)。

簡(jiǎn)介：人工智能自1956年6月在達(dá)特茅斯會(huì)議誕生以來(lái)，取得了迅速的發(fā)展。自人工智能誕生50多年來(lái)，人工智能作為一門(mén)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(lèi)生活的各個(gè)方面。人工智能是意圖用計(jì)算機(jī)智能來(lái)模擬人類(lèi)智能的行為，并以此加深對(duì)人腦的功能和智能本質(zhì)的認(rèn)識(shí)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(cuò)的哲學(xué)問(wèn)題困擾著每一個(gè)智能研究者。從人工智能的研究中涉及到的哲學(xué)問(wèn)題來(lái)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(wèn)題。要解決這些問(wèn)題，對(duì)人工智能的研究就不可避免地涉及到意識(shí)等傳統(tǒng)哲學(xué)問(wèn)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(guò)程中引發(fā)的一系列問(wèn)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(wèn)題，并運(yùn)用辯證法和意識(shí)論進(jìn)行研究分析，深入分析了人類(lèi)智能和人工智能之間的關(guān)系以及人工智能帶來(lái)的社會(huì)問(wèn)題。在不遠(yuǎn)的未來(lái)，人類(lèi)將充分發(fā)揮其思維意識(shí)去改造和創(chuàng)造新的智能機(jī)，人工智能將在人類(lèi)智能的帶領(lǐng)下不斷進(jìn)步與發(fā)展。本文將從五個(gè)部分探討人工智能的發(fā)展第一章簡(jiǎn)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(guò)比較人工智能與人類(lèi)智能的優(yōu)缺點(diǎn)，從辯證法的角度分析人工智能與人類(lèi)智能的發(fā)展情況。第三章是對(duì)人工智能的哲學(xué)審視，從意識(shí)和辯證法的角度，闡述人工智能對(duì)意識(shí)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(duì)人類(lèi)社會(huì)的影響，對(duì)人工智能發(fā)展帶來(lái)的社會(huì)問(wèn)題進(jìn)行探討。第五章是對(duì)前幾章的小結(jié)，希望在哲學(xué)理論的引導(dǎo)下，人類(lèi)在人工智能的研究中能出現(xiàn)更好的結(jié)果。

簡(jiǎn)介：聚丙烯在生產(chǎn)生活中的重要地位對(duì)聚丙烯生產(chǎn)過(guò)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(duì)丙烯聚合生產(chǎn)過(guò)程中的MI軟測(cè)量預(yù)報(bào)建模問(wèn)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(duì)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(cè)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(duì)丙烯聚合工藝生產(chǎn)過(guò)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(duì)模型輸入變量進(jìn)行簡(jiǎn)化處理，并確定預(yù)報(bào)模型的性能評(píng)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(duì)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。