基于AAAI年会论文的国际人工智能领域计量与可视化研究
张春博 ，丁堃，贾龙飞
（大连理工大学21世纪发展研究中心暨WISE实验室，大连116024）
摘要：人工智能是当代工程科技前沿研究中的学科领域之一，也是国家科技发展规划的重点领域和优先主题。以EI Compendex数据库收录的国际人工智能领域权威学术会议AAAI 在2002～2011年的会议论文为研究对象，运用科学计量学方法和可视化技术，绘制出当代国际人工智能领域的知识图谱，对包括国别、机构和作者在内的研究力量分布以及热点、前沿和所涉学科在内的主题内容进行了分析和总结。此外，通过对知识图谱的深度解读，发现科学计量及可视化方法在探析学科领域研究主题时，既需改进自身的方法工具，也应与内容分析及作者行文模式等研究相结合。
关键词：科学计量；知识图谱；人工智能；EI Compendex；研究前沿
中图分类号：G301，TP3
Research by Scientometrics and Information Visualization in International Artificial Intelligence Field Based on AAAI Conference Proceedings
Zhang Chunbo，Dingkun and Jia Longfei
(WISE Lab & 21st Century Research Center，Dalian University of Technology，Dalian 116024，China) Abstract：Artificial Intelligence is currently one of the frontier subject in the field of engineering and technology study，and also main area and priority topic in national program for science and technology development. Based on proceeding papers in AAAI conference on Artificial Intelligence from EI Compendex during the period 2002 to 2011，the methods of scientometrics and visualization technology are used to draw up scientific knowledge mapping of domains of international artificial intelligence currently. And then，the paper analysed and summarized the research power (including country，institution and author) and research theme referring to hot topics，research frontier and related classifications. In addition，based on the deep interpretation of the knowledge mapping，the paper revealed that the method of scientometrics and information visualization should be combined with content analysis method，behavioral patterns in writing scientific articles and other factors to explore disciplinary themes.
Key words：sientometrics；knowledge mapping；artificial intelligence；EI Compendex；research fronts
人工智能（artificial intelligence，简称AI）是在计算机科学、控制论、信息论、神经心理学、哲学和语言学等多学科研究的基础上发展起来的一门综合性很强的交叉学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。自1956年在Dartmouth专题研讨会上正式提出“人工智能”这个术语并把它作为一门新兴学科的名称以来，人工智能获得了迅速的发展，在知识处理、模式识别、自然语言处理、博弈、自动定理证明、自动程序设计、专家系统和智能机器人等多个领域取得举世瞩目的成果，引起了人们的高度重视，也受到了很高的评价。它与空间技术、原子能技术一起被誉为20世纪三大科学技术成就。
收稿日期：2012-08-
基金项目：高等学校博士学科点专项科研基金（NO. 20110041112234）；国家自然科学基金（NO. 71073015）
作者简介：张春博（1980- ），男，河北沧州人，博士研究生，研究方向为科学计量与技术政策。
丁堃（1962- ），女，辽宁海城人，教授，博士，研究方向为学科知识计量与创新管理。
贾龙飞（1989- ），男，陕西宝鸡人，硕士研究生，研究方向为科学计量与文本挖掘。
作为一门新思想、新观念、新理论和新技术不断出现的新兴学科和应用价值巨大的前沿学科，对近些年人工智能领域的发展进行梳理也显得非常必要。经过检索和调查，目前有关国际人工智能领域的信息计量研究和可视化分析的学术论文并不是很多。赵玉鹏等人以期刊文献为载体，分别对AI领域[1]和机器学习领域[2]的研究前沿进行可视化探析；蒋蓓基于科学计量学的方法和指标，探讨了人机交互学的发展态势，并运用可视化软件分析了该领域的科研合作网络和学科交叉网络[3]；Alfonso等人以计算机科学和人工智能期刊数据为案例，借助贝叶斯网络挖掘了文献计量指标间的关系[4]；贾积有则通过典型案例法和文献计量法，对2007-2009年间国外人工智能教育应用的热点问题进行了探讨[5]。有鉴于此，本文以EI 数据库中收录的国际人工智能领域权威学术会议AAAI会议文献的题录及文摘信息为基础，采用科学计量学、社会网络分析等方法及信息可视化技术，对国际人工智能领域的研究力量分布和主题内容进行分析和总结，希冀能为人工智能领域的学者提供一定意义的学术参考，同时也在分析过程中对科学计量学的一些理论方法提出些许思考。
1数据来源与研究方法
1.1 数据来源及预处理
在各种学术会议中，学术年会是一种最具制度性的会议形式，尤其是某一学科领域的权威学会组织主办的学术年会，更具有主题性、学术性、高层次和规模性的特点。而在该学术年会上录用的学术论文汇集了学科领域最新的研究成果，所讨论的内容具有新颖性、专业性和前瞻性，较之学术期刊更能即时、综合地反映学科的新理论、新技术等方面的研究。因而，对权威的学术年会会议文章信息的计量和可视化分析，是揭示学科领域发展状况的较好途径。
尽管人工智能涉及多个领域，各领域也几乎都有自己的顶级会议，但国际人工智能联合会议（International Joint Conference on Artificial Intelligence，简称IJCAI）和国际人工智能协会（The Association for Advancement of Artificial Intelligence，简称AAAI）的学术年会（AAAI Conference on Artificial Intelligence，通常也简称为AAAI）是人工智能领域公认的权威的综合性学术会议。由于IJCAI的会议论文只有少部分收录在EI Compendex、CPCI-S等数据库，而EI Compendex较为完整地收录了AAAI会议论文的文摘信息，因而笔者选择了近十年（2002-2011年）AAAI会议收录的学术论文作为分析样本。AAAI会议在十年来的八届会议上共收录2506篇文献（表1），也基本上能够反映出人工智能研究的发展状况。
表1 AAAI学术年会收录文章篇数（2002-2011年）
届次年份会议地点收录文章篇数
18 2002 Edmonton, Alberta 179
19 2004 San Jose, California 195
20 2005 Pittsburgh, Pennsylvania 331
21 2006 Boston, Massachusetts 366
22 2007 V ancouver, British Columbia 372
23 2008 Chicago, Illinois 360
24 2010 Atlanta, Georgia 354
25 2011 San Francisco, California 349
注：2003年和20009年没有召开会议，故10年共召开8届年会
由于本文用于文献计量和信息可视化的软件主要识别ISI数据格式，因而需要对下载的EI数据进行预处理，而核心工作就是进行数据格式的转换。数据格式转换主要分为字段标识转换和内容格式转换两部分。前者是把EI的字段转换为ISI的字段，如对作者字段的转换，是将EI数据中的“Authors”转化为ISI数据中的“AU”字段；后者是对字段具体内
容的格式转换，涉及内容撰写形式和字符空格表征形式等的转换。数据格式转换后，还需要对数据进行更为细致的清洗和测试。
1.2 研究方法与工具
本文主要采用科学计量学和知识图谱的理论方法进行研究。在科学计量方法的应用上，一方面通过词频统计来展现人工智能领域的主要研究力量（包括高产的国家地区、机构和作者）和主要研究主题（包括文献的主要主题词和涉及较多的学科），另一方面通过共现的理论和方法来探讨作者的合作、主题间的关联以及学科间关系等话题。对于词频的统计和共现关系的构建，笔者主要采用了普赖斯奖得主、瑞典科学计量学家Persson开发的文献计量学研究软件Bibexcel来实现。
知识图谱是新近兴起的，以科学学为基础，将应用数学、信息科学、计算机科学和图论等学科知识综合在一起的学科领域和研究方法。其基本原理是分析单位（科学文献、科学家、关键词等）的相似性分析及测度，然后根据不同的方法和技术绘制不同类型的图谱[6]。由于知识图谱是以科学知识为计量研究对象，且以科学计量方法为理论基础，因而应属于科学计量学的范畴。知识图谱把科学知识的发展进程与结构关系以可视化的图形直接反映出来，对于窥探和解释学科领域隐藏和潜在的规律具有重要作用。
本文主要采用Dexel大学的陈超美教授开发的信息可视化软件CitespceⅡ进行知识图谱的绘制。CitespceⅡ是一种基于Java语言平台开发的多元、分时、动态的应用程序和可视化软件。CitespceⅡ其应用广泛，它使用户可以将某个领域顺时进行“抓拍”，然后将这些抓拍的图片连接起来，从而探索一个知识领域的发展机制和热点趋势。此外，笔者也运用社会网络分析软件Pajek进行人工智能领域学科的共现和分析。
2 人工智能的研究力量分布
2.1 国别与机构分析
经统计可知，2506篇论文共涉及46个国家和地区，其中美国以833篇遥遥领先（表2）。美国发文量之高，与其雄厚的经济、科技实力以及较高的科研投入是分不开的，同时也不能忽视AAAI会议主要在美国举办（表1）以及主办机构AAAI前身为美国人工智能协会这些因素。加拿大以196篇文章高居次席，反映了其在人工智能领域的较强科研实力；而近十年来，加拿大也是举办了两届会议。中国以190篇文章紧随其后，与加拿大共同构成第二集团。值得注意的是，香港地区的高校在中国发文起了主要作用，尤其是香港科技大学已成为国际人工智能领域的重要研究阵地。而南京大学计算机软件新技术国家重点实验室和浙江大学计算机学院这些年也异军突起。其他主要发文国家及地区还包括德国、英国、澳大利亚和以色列等。
表2 AAAI学术年会发文20篇以上的高产国家及地区（2002-2011年）
序号发文篇数国别序号发文篇数国别序号发文篇数国别
1 833 US 6 10
2 Australia 11 45 Singapore
2 196 Canada 7 88 Israel 12 39 Ireland
3 190 China 8 66 France 13 38 Spain
4 119 Germany 9 60 Iataly 14 29 Austria
5 111 UK 10 53 Japan 15 21 Netherlands
通过对这2506篇文献机构的统计分析发现，国际人工智能研究的力量分布呈现较高的集中度。图1是发文量不少于15篇的15所高产机构。卡内基-梅隆大学以67篇文章在各机构中独领风骚。事实上，卡内基-梅隆大学的计算机学科在全美的US NEWS Ranking中常年排名第一，人工智能研究也处于世界顶尖水平。有关研究主要集中在该校的计算机科学学院（School of Computer Science），而学院有下设计算机科学系（Computer Science Department）、
机器人研究所（Robotics Institute）、人机交互研究所（Human-Computer Interaction Institute）和机器学习系(Machine Learning Department)等多个研究机构从事人工智能的专门研究，呈现“集团优势”。香港科技大学的人工智能研究在全球也处于领先地位，其学术带头人杨强教授现任ACM人工智能专委会（ACM Special Interest Group on Artificial Intelligence）的副主席，是国际人工智能领域的重要学者。林方真教授则是著名人工智能刊物Journal of Artificial Intelligence Research的副主编，并因其在人工智能领域的卓越研究成就，而获颁“裘槎优秀科研者奖”。阿尔伯塔大学是全加拿大五所最大的以科研为主的综合性大学之一，人工智能以及机器人和控制系统是该校的优势研究领域。多伦多大学的人工智能研究组主要研究计算语言学、知识表示和推理、机器学习、规划、计算机视觉和神经网络等领域，其中杰出学者Geoffrey Hinton教授获得2012年度的加拿大国家最高科学奖基廉奖（Killam Prize）。从图1中还可以看到，微软研究院和IBM沃森研究院这样的公司研究机构也位列其中，这再次表明人工智能领域的研究成果具有巨大的应用潜力和商业价值。事实上，谷歌、微软、IBM 和雅虎公司的研究都是AAAI会议较固定的赞助机构，英特尔、通用电气甚至波音公司也曾赞助该会议。
图1 AAAI学术年会发文≥15篇以上的高产机构（2002-2011年）
2.2 作者分布及合著分析
2506篇论文是由1889位作者贡献完成。随着新学科和大量分支学科的出现，学术科研合作在现代科学发展的进程中扮演着越来越重要的角色。学术科研合作可以使不同的知识实现集成，以及不同知识背景的研究人员之间进行知识的碰撞[7]。在这2506篇文献中，有2166篇文章为合著论文，其中2人合著的有817篇，3人合著的有629篇，4人合著的有378篇，5人合著的有167篇，6人及以上合著的达175篇之多。表3是对历届会议论文合作度和合著率的统计。论文合作度是指论文的作者总数与全部论文篇数之比，合著率是合著的论文篇数与全部论文篇数之比，两个指标在科学计量学通常用来表征某一学科领域的合作状况。从表中可以看到，论文合作度较十年前有明显的提高，不过近些年基本在维持3人/篇左右；而合著率则是呈现逐渐上升的趋势，到了2011年的会议已达到0.92，即有92%的论文为合著而成。这体现了人工智能领域学者有着良好的合作精神，更表明了该领域学科交叉的程度、涉及领域的广度和学术研究的深度。
表3 AAAI学术年会论文合作度与合著率统计（2002-2011年）
年份文献篇数作者数量（人）合著篇数合作度合著率
2002 179 471 134 2.63 0.75
2004 195 572 160 2.93 0.82
2005 331 1010 281 3.05 0.85
2006 366 1062 320 2.90 0.87
2007 372 1125 324 3.02 0.87
2008 360 1085 315 3.01 0.88
2010 354 1077 312 3.04 0.88
2011 349 1134 320 3.25 0.92 在可视化分析中，首先运用CitespceⅡ软件绘制作者合作网络图谱。基于发文篇数、合作篇数和余弦相似系数指标，笔者选定阈值（2，2，30；2，2，30；2，2，30），结果如图2所示。图中是三个最大的作者合著连通网络，根据作者机构信息的统计和对照，可以将三个连通网络划分为9个合作群或团队。
经过进一步的统计和更详细的调研，可以发掘出国际人工智能领域学术合作主要存在这样几个特征。第一，合作类型可以分为机构内的团队合作和跨机构合作两种模式，而著名学者和年青学者是合作的主要连接点。著名学者一方面是团队内的核心，指导团队研究方向，另一方面或是曾经在多个机构工作过，或是有着重要而熟悉的科研合作关系（如学术兼职或科研邀请），因而成为学术合作的重要发起者。从图上可以看到，美国凭借其强大的科研实力，成为这种合作模式的典型。优秀的年青学者常常就读于人工智能领域顶尖的研究机构，甚至师从著名学者，然后毕业后回到本国从事科研，因而成为不同区域机构间合作的重要桥梁。以色列的科研建设和人才培养具有高度的开放性，鼓励学生出国深造，既发挥了重要的国际合作连通作用，又增强了本国机构的科研实力。第二，区域内机构合作是人工智能领域的重要合作形式。尽管人工智能领域的国际合作越来越多，但从图中可以发现，区域内的机构合作仍很普遍。如以色列机构合作群就涉及巴依兰大学、本古里安大学、耶路撒冷希伯来大学、以色列理工学院和IBM海法研究所间的合作。在澳大利亚，国际信息与通讯技术中心（National Information & Communication Technology Australia，简称NICTA）会聚了该国人工智能领域的顶尖研究力量。该中心通过共建实验室、聘请研究员和设立项目组等形式与国内研究机构建立合作关系，致力于人工智能技术的研发和商用。第三，华人已成为国际人工智能领域的重要研究力量，该领域的中国国际合作也呈现出“华人现象”。通过统计发现，除了前述的香港科技大学杨强教授外，任职于帕洛阿尔托中心的ZHOU Rong以及先后就学
于清华大学和美国杜克大学、现在哈佛大学做博士后的夏立荣等也为该领域的高产作者。
中国合作中的“华人现象”是中国科学从“封闭”到“开放”，再到“融入”世界科学过程中的一种阶段性现象，也是一种必然的结果[8]。杨强教授带领的香港科技大学人工智能研究团队与大陆科研机构（如中科院自动化研究所模式识别国家重点实验室和南京大学计算机软件新技术国家重点实验室）开展了广泛的合作，成为国内人工智能研究走向国际化的一个重要窗口。又如英国阿伯丁大学的潘志霖博士也通过讲学和科研合作等方式，与东南大学等国内机构共同进行语义网和推理理论技术方面的研究。
3 人工智能的研究主题分布
3.1 研究热点分析
文献题录中的关键词是对主题的高度概括和集中描述，可以用于确定某一学科领域的研究热点。而学科领域在每一时期都有研究热点，进而构成该学科的主要知识领域。EI数据格式的主题词表征主要包括受控词（Controlled terms）和非受控词（Uncontrolled terms）。受控词来自EI Compendex专业工作人员编纂的受控词表（controlled vocabulary），类似于Web of Science专业工作人员对文章提取的keywords plus。受控词表现已是第四版，其中包括9000个优先词（preferred terms）和9000个款目词（entry terms）共18000个词汇。非受控词则是自由语言词汇（free language terms），来自文章作者、编者或索引器给出，类似于Web of Science数据中的keywords。应用CiteSpaceⅡ可视化软件，选择阈值为TOP50，采用最小生成树的修剪算法，对2506篇论文的受控词和非受控词进行共词分析，绘制出2002-2011年的国际人工智能共词网络知识图谱（图3）。
图3 AAAI学术年会论文的共词网络图谱（2002-2011年）从图中可以看到，人工智能研究以“artificial intelligence”为核心，分散开来，涉及众多领域，是一个典型的学科群。近年来，智能规划（planning）在问题的描述和问题求解两方面得到了新的突破，成为人工智能领域近年来发展起来的一个热门分支。而在智能规划问题上，约束理论（constraint theory）又是一个重要的方面，尤其是约束满足问题（constraint satisfaction problem，CSP）。现实中大量组合优化问题（optimization）都可以通过约束满足问题来建模求解。马尔可夫过程（Markov process）是一类随机过程，该过程的特性是在给定当前知识或信息的情况下，只有当前的状态用来预测将来，过去（即当前以前的历史状态）对于预测将来（即当前以后的未来状态）是无关的。一方面概率论（probability）和集合论（set theory）是马尔可夫过程的理论基础，另一方面马尔可夫过程在人工智能领域被广泛用于自然语言理解及人机交互方面的研究。自然语言理解就是研究如何让计算机理解人类自然
语言，是实现人机交互的重要前提，因而也是人工智能中十分重要的领域。自然语言理解需要自然语言的处理（natural language processing）、数据的精简处理（data reduction）和计算机的仿真模拟（computer simulation）等方法技术来实现。而人机交互的外在表现主要是通过用户界面（user interface）和基于web页面（world wide web）的处理来实现的，Java语言的编程（Java programming language）是重要的实现手段。
算法（algorithms）始终是人工智能研究的重要知识基础，尤其是启发式算法（heuristic methods）被广泛用于研究搜索策略的研究和组合最优化问题的求解，而启发式算法的兴起也与计算复杂性理论（computational complexity）的形成有着密切的联系。多智能体系统（multiple-agent system）是指一个系统中，各智能体不仅具备自身的问题求解能力和行为目标，而且能够相互协作，达到共同的整体目标。多智能体系统的通信、协调、协作和协商现正成为人工智能及其他学科的研究热点[9]。仿生学（bionics）主要体现了人工智能联结主义学派的观点。联结主义认为人工智能起源于仿生学，特别是对人脑模型的研究，因而主要基于神经网络及网络间的联结机制与学习算法来研究人工智能。推理机（inference engine）是专家系统中实现基于知识推理的部件，是基于知识的推理在计算机中的实现，集中体现了人工智能各分支领域的交叉。推理机的知识基础主要是知识表示和推理方法，其中一阶谓词逻辑表示（first-order，description logic）是知识表示的重要理论，多项式时间近似（polynomial time approximation）和贝叶斯网络（Bayesian networks）则是不确定性推理中的重要方法。
3.2 研究前沿分析
陈超美教授认为研究前沿是正在兴起的理论趋势和新主题的涌现，因而将其定义为一组突发的概念及其基本概念问题[10]。笔者对此较为认同，此观点涵盖了时间和内容两个维度，比较准确地指出研究前沿的特征。由于受控词为事先编纂好的受控词表中的词，并不能有效地反映出研究前沿的新颖性特点，所以笔者选择了更为“自由”的非受控词作为分析对象。基于此，综合运用CitespaceⅡ和Bibexcel软件，统计和计算了2008-2011近三届年会论文的非受控词的词频和突变度（表4），来阐释当前国际人工智能领域的研究前沿。
表4 2008-2011年AAAI学术年会高频关键词（≥15）和突现关键词
序号关键词词频突现度序号关键词词频突现度
1 Data sets 66 14 Heuristic functions 17
2 Do-mains 44 14.01 15 Search spaces 16
3 Social networks 2
4 16 SAT solvers 16
4 Search algorithms 24 17 Probabilistic models 16
5 Optimal solutions 23 18 Data points 16
6 Optimization problem 22 19 Real-world application 15 2.87
7 Markov decision process 21 20 NP-hard 15
8 Constraint programming 21 21 New approaches 15
9 Machine-learning 20 4.92 22 Multi-agent 15 3.19
10 Training data 19 23 Description logic 15
11 Voting rules18 24 Wikipedia 15
12 Empirical results 18 25 Heuristic search 12 2.23
13 Polynomial-time 17 1.93 26 First-order 12 3.19
从表中可以看到，当前的人工智能还是主要集中基于搜索、算法、推理和优化理论的机器思维研究，以专家系统和数据发掘为代表的机器学习也是重要的研究领域，以多智能体系统为核心的机器行为则是人工智能研究的热门分支。然而笔者就处理结果向人工智能专业学者咨询，专业学者却给出不同的解释。他指出，词表中只有社会网络（social networks）和维基（Wikipedia）是最近几年人工智能研究的前沿，而其他词汇事实上都属于人工智能及
相关领域的基础词汇。笔者对人工智能领域顶级综合性学术期刊Artificial Intelligence 2008-2011年所收录的302篇学术文献的作者关键词keyword进行了同样的统计和计算，得到了相似的结果。这说明这些领域近些年确实受到了人工智能研究人员较多的关注，但就各主题词本身并非研究的最新前沿。通过对源文献的细致查检和分析以及对专业学者的访谈，发现运用共词分析来识别研究前沿固然应与多种引文分析方法结合起来使用[11]，而共词分析方法本身也需要有诸多改进。因为新的技术主题往往会是新术语，甚至是学术同行尚未达成一致的新词汇；而作者在论文撰写过程中，又常会使用一些基础词汇来阐释新词汇或者将其归为某一主题，进而起到“推介”新词汇的作用。而这样的结果，反而是基础词汇数量较多，代表研究前沿的新术语词频较低。因而运用共词分析进行研究前沿识别的过程中，应当结合所分析领域的专业调研，进而通过构建“基础词汇—新词汇”间的映射关系等方式来实现。此外，对7个突现词进行分析时，竟发现所有词汇在2011年均为最低频次，大部分词汇甚至呈现突减趋势。因而，在使用突现词（Burst Term）来识别前沿和发展趋势时，还需考察词频的实际变化情况。
3.3 学科共现分析
如前所述，人工智能领域是以计算机应用为核心，建立在多学科基础上的交叉学科。EI 数据库有自身的学科分类体系，通过多个维度学科代码（Classification code）的指定，可以对一篇文献的研究主题进行明确和标识。2506篇论文共涉及312个学科，运用Pajek软件对词频在30次以上的47个学科进行处理，得到人工智能领域的学科代码共现网络图谱（图4）。表5为发文在200篇以上的学科代码信息。
图4 AAAI学术年会论文的学科代码共现网络图谱（2002-2011年）K-核常被用来识别和分析某一网络中的核心子群，然而K-核是一个建立在点度数基础上的凝聚子群概念，是通过对网络子群中的每一个成员的邻点个数进行限制而得到的[12]，并不涉及点之间连线的数值。考虑到学科代码及其共现关系的高频次，笔者选用“Lines with V alue”模块及“lower than”功能，通过对比指定连线属性值低的线进行移除的方法，来计算和识别学科代码网络中的核心子群。经过计算，网络最大的核心子群包括7个学科代码（图4中前缀为“983”的代码，代码信息在表5中字体加粗）。其中，计算是人工智能领域的理论核心，相关的数学计算、计算机理论及编程均构成人工智能研究的理论基础。控制系统的研究是人工智能从理论转为应用的重要桥梁。人工智能的快速发展，得益于其巨大的应用价值。人工智能在计算机应用、图像识别、机器人、信息通讯、管理技术等多方面都得到广泛
的应用，而其在生物医学工程领域的应用则是近几年兴起的研究热点。
表5 AAAI学术年会高频学科代码（2002-2011年）
序号频次学科代码代码释义
1 1714 723.4 Artificial Intelligence
2 672 921 Mathematics
3 575 723 Computer Software, Data Handling and Applications
4 569 723.
5 Computer Applications
5 545 721.1 Computer Theory, Includes Formal Logic, Automata, Switching, Programming Theory
6 542 731.1 Control Systems
7 373 922.1 Probability Theory
8 370 723.2 Data Processing and Image Processing
9 346 461.1 Biomedical Engineering
10 321 921.4 Combinatorial Mathematics, Includes Graph Theory, Set Theory
11 273 912.2 Management
12 251 903.2 Information Dissemination
13 251 921.5 Optimization Techniques
14 250 723.1 Computer Programming
15 207 731.5 Robotics
16 204 921.6 Numerical Methods
17 201 716 Telecommunication; Radar, Radio and Television
4 结论与展望
人工智能作为一门引领未来的新兴学科，目前已渗透到人类社会的各个方面，并深刻地改变着人们的学习、工作和生活方式，《国家中长期科学和技术发展规划纲要（2006-2020）》
也将与人工智能技术有关的许多研究列为重点领域及其优先主题[13]。本文应用科学计量学
和知识图谱方法，以EI数据库收录的人工智能顶尖会议AAAI年会会议论文为研究对象，
对近10年来国际人工智能领域的研究力量分布和研究主题分布进行了较为粗略的宏观性研
究，也希冀能为我国人工智能研究的方向选择和学科布局提供可供决策参考的线索。
科学计量学和知识图谱是展示学科力量分布、挖掘学科知识脉络的良好的方法和工具。
然而在研究过程中，也应当认清其局限和不足，在改进方法工具本身的同时，也注意与内容
分析的结合[14]。例如对研究前沿的探测和识别中，共词分析法在与其他引文分析方法综合
使用的同时，也应当进行专业领域的内容调研。这要求研究人员及其团队一方面要掌握一定
的背景知识，这样才能更好地绘制和解读学科领域的知识图谱；另一方面在文献计量分析时，
应考虑到文献作者的论文撰写习惯，去挖掘新的词汇，而非只从词频上去判断前沿趋势。基
于此，考虑到基础词汇和新词汇的关系，笔者将在接下来的研究中，通过建构基础词汇和新
词汇的映射关系等方法，来尝试前沿识别技术的优化。
致谢
大连理工大学网络与信息化中心卢涛教授和电子信息与电气工程学部的葛宏伟副教授在人工智能领域专业知识的解读方面，给予了极大的帮助，在此深表谢意。
参考文献：
[1] ZHAO Y u-peng, HOU Jian, LAI Jun-feng. The Investigation about the Research Front of Artificial Intelligence
that based on the Mapping Knowledge Domain [C]//proceedings of the 38th international conference on computers
and industrial engineering, Beinghang university, Beijing, October31-November2, 2008:2688-2697.
[2] 赵玉鹏.基于知识图谱的机器学习研究前沿探析[J].情报杂志，2012，31（4）：28-31.
[3] 蒋蓓.人机交互学发展的科学计量研究[D].上海：复旦大学，2011.
[4] Alfonso I, Perdo L, C.Bielza. Using Bayesian networks to discover relationships between bibliometric indices.
A case study of computer science and artificial intelligence journals [J]. ──Scientometrics，2011，89（2）：523-551.
[5] 贾积有.国外人工智能教育应用最新热点问题探讨[J].中国电化教育，2010，（7）：113-118.
[6] 刘则渊，陈悦，侯海燕，等.科学知识图谱方法与应用[M].北京：人民出版社，2008：11.
[7] 魏瑞斌.我国图书馆学情报学的科研合作现状研究：以CSSCI1998-2004年数据为例[J].图书情报工作，2006，50（1）：41-43.
[8] 金碧辉，张望，周秋菊，杨立英，杨良斌，汪丹.中国国际科学合作中的“华人现象”[J].科学观察，2007，2（6）：201-27.
[9] 王万良.人工智能导论（第3版）[M].北京：高等教育出版社，2011：206-207.
[10] Chen Chaomei. CitespceⅡ:Detecting and Visualizing Emerging Trends and Transient Patterns in Science Literature [J]. Journal of the American Society for Information and Technology，2006，57（3）：359-377.
[11] 王立学，冷伏海.简论研究前沿及其文献计量识别方法[J].情报理论与实践，2010，33（10）：54-58.
[12] 岳洪江，刘思峰.管理科学期刊同被引网络结构分析[J].情报学报，2008，27（3）：400-406.
[13] 中华人民共和国国务院.国家中长期科学和技术发展规划纲要（2006-2020）[EB/OL].[2006-02-09].https://www.doczj.com/doc/461283172.html,/jrzg/2006-02/09/content_183787.htm.
[14] 王曰芬.文献计量法与内容分析法的综合研究（Ⅰ）──综合方法研究的可行性、思路与原则[J].情报学报，2009，28（5）：745-752.
毕业设计 设计（论文）题目：人工智能在物联网中的应用 专业班级：物联网141 学生姓名：周钟婷 指导教师：李生好 设计时间：2017.5.8——2017.6.9 重庆工程职业技术学院
重庆工程职业技术学院毕业设计（论文）任务书 任务下达日期：2017.5.8 设计（论文）题目：人工智能在物联网中的应用 设计（论文）主要内容和要求： 1.显示器件：引领TFT-LCD技术的创新和发展，致力于加快AMOLED、柔性显示、增强 现实、虚拟现实等新型显示器件及薄膜传感器件的进步。 2.智慧系统：以“物联网和人工智能”为主要方向，以用户为中心，基于在显示、人 工智能和传感技术优势，发展智能制造、智慧屏联、智慧车联、智慧能源四大物联网解决方案。 3.智慧健康服务：将显示技术、信息技术与医学、生命科技跨界结合，发展信息医学， 提供物联网智慧健康产品及服务。 教学团队主任签字：指导教师签字： 年月日年月日
重庆工程职业技术学院毕业设计（论文）指导教师评语评语： 成绩： 指导教师签名： 年月日
重庆工程职业技术学院毕业设计（论文）答辩记录
目录 摘要................................................... (1) 第一章目前人工智能技术的研究和发展状况......... . (2) 第二章显示器件事业技术应用 (2) 第三章智慧系统事业技术应用 (2) 3.1智能制造 (2) 3.2智慧屏联 (2) 3.3智慧能源 (2) 3.4智慧车联 (3) 第四章智慧健康服务事业技术应用.................... .. (3) 第五章目前人工智能发展中所面临的难题.......... . (3) 5.1计算机博弈的困难................... .. (3) 5.2机器翻译所面临的问题................... . (4) 5.3自动定理证明和GPS的局限.......... (4) 5.4模式识别的困惑 (5) 第六章人工智能的发展前景 (5) 6.1人工智能的发展趋势 (5) 6.2人工智能的发展潜力大 (5) 结束语 (6) 参考文献 (6)
第三章搜索推理技术 3-1什么是图搜索过程?其中，重排OPEN表意味着什么，重排的原则是什么? 图搜索的一般过程如下： (1) 建立一个搜索图G(初始只含有起始节点S)，把S放到未扩展节点表中（OPEN表）中。 (2) 建立一个已扩展节点表（CLOSED表），其初始为空表。 (3) LOOP：若OPEN表是空表，则失败退出。 (4) 选择OPEN表上的第一个节点，把它从OPEN表移出并放进CLOSED表中。称此节点为节 点n，它是CLOSED表中节点的编号 (5) 若n为一目标节点，则有解并成功退出。此解是追踪图G中沿着指针从n到S这条路径 而得到的(指针将在第7步中设置) (6) 扩展节点n，生成不是n的祖先的那些后继节点的集合M。将M添入图G中。 (7) 对那些未曾在G中出现过的(既未曾在OPEN表上或CLOSED表上出现过的)M成员设置一 个通向n的指针，并将它们加进OPEN表。 对已经在OPEN或CLOSED表上的每个M成员，确定是否需要更改通到n的指针方向。 对已在CLOSED表上的每个M成员，确定是否需要更改图G中通向它的每个后裔节点的指针方向。 (8) 按某一任意方式或按某个探试值，重排OPEN表。 (9) GO LOOP。 重排OPEN表意味着，在第(6)步中，将优先扩展哪个节点，不同的排序标准对应着不同的搜索策略。 重排的原则当视具体需求而定，不同的原则对应着不同的搜索策略，如果想尽快地找到一个解，则应当将最有可能达到目标节点的那些节点排在OPEN表的前面部分，如果想找到代价最小的解，则应当按代价从小到大的顺序重排OPEN表。 3-2 试举例比较各种搜索方法的效率。
重庆理工大学 专业选修课课程考察报告《人类智能与人工智能的思考》 课程名称：《人工智能及应用》学生姓名： 学号： 提交时间：2016年12月12日
[摘要] 计算机技术的高速发展使得计算机的运算速度可以超过人脑的运算速度，同时出现了诸如进行人机对弈等高度智能的计算机，那么是否意味着人工智能能够达到或超过人类智能的程度呢？本文将对此进行分析、思考。 [关键词] 计算机；人类智能；人工智能；算法；思维 进入2l世纪，计算机硬件和软件更新的速度越来越快，计算机这个以往总给人以冷冰冰的机器的形象也得到了彻底的改变。人机交互的情形越来越普遍，计算机被人类赋予了越来越多的智能因素。伴随着人类把最新的计算机技术应用于各个学科，对这些学科的认知也进入了日新月异的发展阶段，促使大量的新的研究成果不断涌现。例如：“人机大战”中深蓝计算机轻松的获胜、人类基因组排序工作的基本完成、人类大脑结构性解密、单纯器官性克隆的成功实现等等。随着计算机这个人类有史以来最重要的工具的不断发展，伴随着不断有新理论的出现，人类必须重新对它们进行分析和审视。由于近几年生物学和神经生理学等许多新的研究成果的出现，对于人工智能与人类智能之间的关系引起了人们更多的思考。本文以比较的方法分析人类智能与人工智能二者的异同，并从马克思主义哲学的角度再次对人工智能与人类智能的进行了分析。 一、人类智能与人脑思维 我们知道所有的动物都有中枢神经控制系统，有了这一套系统也就有了思维。思维在不同的生物之间具有不同的功能，在低等动物中思维的作用更多的是本能控制，高等动物除了本能控制以外还有为适应环境所工作，人类思维则具有了改造环境所进行的工作。人类的思维起源于对周围事物的认识，最初是形象思维过程，等人们发现各个事物之间的相互关系之后，就开始了逻辑思维过程，随着对事物之间相互关系的分门别类和对周围世界认识的加深，又有形式逻辑，数理逻辑，抽象逻辑等等。人类自身的智能是人类思维活动中表现出来的能力，大脑是人类认知和智能活动的载体，思维是大脑对客观事物的本质及其内在联系的概括和反映。人类智能的也就是人类思维的结果。但是直到现在，科学家对于人脑的结构以及人脑的思维过程一直处于研究阶段，当然，随着时间的推移和科学技术水平的提高，有一天人类应该会破解自身的思维过程。
《人工智能及其应用》 实验指导书 浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月
前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月
目录 实验教学大纲 (1) 实验一产生式系统实验 (3) 实验二模糊推理系统实验 (5) 实验三A*算法实验I (9) 实验四A*算法实验II (12) 实验五遗传算法实验I (14) 实验六遗传算法实验II (18) 实验七基于神经网络的模式识别实验 (20) 实验八基于神经网络的优化计算实验 (24)
实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台实验内容学 时 类型教学 要求 1产生式系统应用VC++设计知识库，实现系统识别或 分类等。 2设计课内 2模糊推理系统应用Matlab1）设计洗衣机的模糊控制器； 2）设计两车追赶的模糊控制 器。 2验证课内 3A*算法应用I VC++设计与实现求解N数码问题的 A*算法。 2综合课内4A*算法应用II VC++设计与实现求解迷宫问题的A* 算法。 2综合课内5遗传算法应用I Matlab1）求某一函数的最小值； 2）求某一函数的最大值。 2验证课内6遗传算法应用II VC++设计与实现求解不同城市规模 的TSP问题的遗传算法。 2综合课内 7基于神经网络的模式识别Matlab1）基于BP神经网络的数字识 别设计； 2）基于离散Hopfiel神经网络 的联想记忆设计。 2验证课内 8基于神经网络的 优化计算 VC++设计与实现求解TSP问题的连2综合课内 四、实验成绩评定 实验课成绩单独按五分制评定。凡实验成绩不及格者，该门课程就不及格。学生的实验成绩应以平时考查为主，一般应占课程总成绩的50%，其平时成绩又要以实验实际操作的优劣作为主要考核依据。对于实验课成绩，无论采取何种方式进行考核，都必须按实验课的目的要求，以实际实验工作能力的强弱作为评定成绩的主要依据。
研究生课程论文 人工智能前沿 论文题目:人工智能技术在求机器人工作 空间的应用 课程老师:罗亚波 学院班级:汽研1602班 学生姓名:张小涵 学号:15 2016年10月
人工智能技术在求机器人工作空间的应用 摘要 人工智能的发展迅速,现在已经渗透到机器人的全方位分析与机器人的工作空间的计算中,其对机器人的应用起着越来越重要的作用。元素限制法由三个限制元素构成,分别为杆长限制、转角限制、连杆的干涉。在初步确定限制元素后即可得到边界条件,即可得到工作空间。圆弧相交法由运动学反解过程、工作空间的几何描述以及工作空间的计算过程组成。两者各有其优缺点,都就是可取的求工作空间的方法。 关键词:人工智能元素限制圆弧相交工作空间 Abstract With the rapid development of artificial intelligence, it has been applied to the analysis of the robot and the working space of the robot、It plays a more and more important role in the application of the robot、The element restriction method is composed of three elements, which are the length of the rod, the restriction of the angle and the interference of the connecting rod、 Boundary conditions can be obtained after the preliminary determination of the limiting element、 The arc intersection method is composed of the process of the inverse kinematics of the kinematics, the geometric description of the working space and the calculation process of the working space、 Both have their own advantages and disadvantages, are desirable for the working space of the method、Key words: artificial intelligence element limit arc intersection working space
人工智能及其应用总结 1、感知能力、 2、记忆与思维能、 3、学习能力、 4、行为能力（表达能力）人工智能的研究内容：知识表示、机器感知、机器思维、机器学习、机器行为人工智能的研究目标：近期目标：使现有的电子数字计算机更聪明、更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。建造智能机器人代替人类的部分智力劳动。远期目标：用自动机模仿人类的思维过程和智能行为。最终目标：机器智能实现生物智能的各项功能。智能行为：感知、推理、学习、通信和复杂环境下的动作行为知识发现的处理过程：数据挖掘、数据选择、知识评价人工智能的主要学派：符号主义、连接主义和行为主义人工智能的研究途径：心理模拟、生理模拟和行为模拟人工智能的应用领域：智能控制、智能管理、智能决策、智能仿真。人工智能的基本技术：表示、运算、搜索归纳技术、联想技术人工智能（机器智能）、学科和能力：（书）所谓人工智能就是用人工的方法在机器(计算机)上实现的智能，或者说是人们使机器具有类似于人的智能。从学科角度来看：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能。对认知
行为进行研究：心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此相应的是计算机程序、语言和硬件。研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。人工智能新的研究热点：新的研究热点：分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现 (超市市场商品数据分析)，人工生命第二章：知识表示方法知识的一般概念：知识是人们在改造客观世界的实践中积累起来的认识和经验知识表示：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示的要求：表示能力、可利用性、可实现性、可组织性、可维护性、自然性、可理解性状态空间法的三要素：状态、算符、状态空间方法问题求解技术：问题的表示和求解的方法二种不确定性：关于证据的不确定性和关于结论的不确定性原子公式：由若干谓词符号和项组成问题的状态空间包含三种说明的集合：初始状态集合S、操作符集合以及目标状态集合“我听音乐或者绘画”的谓词表示的析取式LISTEN(I,MUSIC)VDRAW(I,PAINTING)句子变换成子句形式：(x)｛P(x)→P(x)｝ (ANY x) { P(x)P(x) } (ANY x) {~P(x)
内蒙古科技大学2014/2015 学年第一学期《人工智能》结课报告 课程号：76807376-01 考试方式：结课报告 使用专业、年级：计算机应用2012-3,4 任课教师：陈淋艳 班级：12级计算机3班 学号：1276807336 姓名：王志鹏
目录 前言 (3) 一、专家系统简介 (4) 二、关键字： (5) 三、专家系统概念和理论 (6) 四、专家系统的发展概况 (7) 五、专家系统的应用分析 (8) 六、专家系统的发展前景 (12) 七、专家系统的总结 (13) 八、学习心得 (14) 参考文献 (15)
前言 人工智能是经过40多年发展起来的一门综合性学科，它旨在研究如何利用计算机等现代工具设计模拟人类智能行为的系统。在众多的人工智能应用领域中，专家系统是30多年来发展起来的一种最具代表性的智能应用系统，它旨在研究如何设计基于知识的计算机程序系统来模拟人类专家求解专门问题的能力。专家系统是人工智能中最活跃的一个分支，是人工智能发展最重要的推动力。 由于人类对自身的思维规律和智能行为仍在探索中，因此，人工智能与专家系统仍然是一门开放的年轻学科。近几年来，人工智能与专家系统的研究越来越深入，新的思想、新的理论以及新的方法与技术不断涌现，新的研究成果不断充实着这一研究领域，尤其是模糊逻辑与神经网络及其结合的研究已成为当前人工智能或智能模拟的重要研究方向，学术论文数以千计，应用成果迭出。
一、专家系统简介 摘要:自从1965年世界上第一个专家系统DENDRAL问世以来，专家系统的技术和应用，在短短的30年间获得了长足的进步和发展。特别是20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统如雨后春笋般地在世界各地不断涌现。构建专家系统用到的思维方式可能是各种认知工具中最难的,因为它需要形式推理与逻辑推理,建构专家系统需要智力上的参与和挑战。本文首先介绍了专家系统的概念和理论及发展概况，并着重分析他们的应用和发展前景。
第二章知识表示方法 2-1 状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？它们有何本质上的联系及异同点? 答：状态空间法：基于解答空间的问题表示和求解方法，它是以状态和算符为基础来表示和求解问题的。一般用状态空间法来表示下述方法：从某个初始状态开始，每次加一个操作符，递增的建立起操作符的试验序列，直到达到目标状态为止。 问题规约法：已知问题的描述，通过一系列变换把此问题最终变成一个子问题集合：这些子问题的解可以直接得到，从而解决了初始问题。问题规约的实质：从目标（要解决的问题）出发逆向推理，建立子问题以及子问题的子问题，直至最后把出示问题规约为一个平凡的本原问题集合。 谓词逻辑法：采用谓词合式公式和一阶谓词算法。要解决的问题变为一个有待证明的问题，然后采用消解定理和消解反演莱证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。 语义网络法：是一种结构化表示方法，它由节点和弧线或链组成。节点用于表示物体、概念和状态，弧线用于表示节点间的关系。语义网络的解答是一个经过推理和匹配而得到的具有明确结果的新的语义网络。语义网络可用于表示多元关系，扩展后可以表示更复杂的问题 2-2 设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡到左岸去。该船的负载能力为两人。在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。他们怎样才能用这条船安全地把所有人都渡过河去? 用S i(nC, nY) 表示第i次渡河后，河对岸的状态，nC表示传教士的数目，nY表示野人的数目，由于总人数的确定的，河对岸的状态确定了，河这边的状态也即确定了。考虑到题目的限制条件，要同时保证，河两岸的传教士数目不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3种情况： 1. nC=0 2. nC=3 3. nC=nY>=0 (当nC不等于0或3) 用d i(dC, dY)表示渡河过程中，对岸状态的变化，dC表示，第i次渡河后，对岸传教士数目的变化，dY表示，第i次渡河后，对岸野人数目的变化。当i为偶数时，dC,dY同时为非负数，表示船驶向对岸，i为奇数时，dC, dY同时为非正数，表示船驶回岸边。
《人工智能及其应用》实验指导书
《人工智能及其应用》 实验指导书 浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月
前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月
目录 实验教学大纲 (1) 实验一产生式系统实验 (4) 实验二模糊推理系统实验 (6) 实验三 A*算法实验I (11) 实验四 A*算法实验II (14) 实验五遗传算法实验I (16) 实验六遗传算法实验II (21) 实验七基于神经网络的模式识别实验 (24) 实验八基于神经网络的优化计算实验 (28)
实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台 实验内容学 时 类型教学 要求 1 产生式系统应 用VC++ 设计知识库，实现系统识 别或分类等。 2 设计课内 2 模糊推理系统 应用Matlab 1）设计洗衣机的模糊控制 器； 2）设计两车追赶的模糊控 制器。 2 验证课内 3 A*算法应用I VC++ 设计与实现求解N数码问 题的A*算法。 2 综合课内4 A*算法应用II VC++ 设计与实现求解迷宫问题 的A*算法。 2 综合课内 5 遗传算法应用 I Matlab 1）求某一函数的最小值； 2）求某一函数的最大值。 2 验证课内 6 遗传算法应用 II VC++ 设计与实现求解不同城市 规模的TSP问题的遗传算 法。 2 综合课内 7 基于神经网络 的模式识别Matlab 1）基于BP神经网络的数 字识别设计； 2）基于离散Hopfiel神经 网络的联想记忆设计。 2 验证课内 8 基于神经网络 的优化计算VC++ 设计与实现求解TSP问题 的连续Hopfield神经网 络。 2 综合课内 四、实验成绩评定
重庆理工大学 专业选修课课程考查报告 《AI的发展与未来》 课程名称：《人工智能及应用》 专业：软件工程 学号： 学生姓名： 提交时间：2017年5月5日
进入人工智能 人工智能的话题，在近年尤其火热，很多人是因为在2016年看到AlphaGo打败了世界围棋冠军李世石。这使得大家对人工智能非常感兴趣，同时也有很多人思考人工智能是否应该继续无节制地发展下去？人们会担忧将来人工智能发展到一定的高度可能会取代人类。包括霍金、比尔·盖茨这样伟大的人物也怀疑人工智能。 我们谁都无法下结论说到底该不该发展人工智能，所以我们先来了解一下什么是人工智能，否则我们只会在对人工智能的恐惧中无法获得理性认知。 人工智能似乎没有明确的定义。人工智能就是研究如何使计算机去做过去只有人才能做的智能工作[1]，这是美国麻省理工学院的温斯顿教授认为的人工智能。人工智能大概来说可能是有几个部分，首先是感知，感知是包括视觉、语音、语言；然后是决策，做一些预测，做一些判断；那当然如果你要做一套完整的系统，就像机器人或是自动驾驶，它会需要一个反馈[2]。 人工智能的发展 通过了解人工智能发展的主要里程碑，可能会更加直观的了解人工智能。在感知方面，比如我国的科大讯飞。该企业使命是让机器能听会说，能理解会思考；用人工智能建设美好世界[3]。正如他们的企业使命，讯飞语音识别软件现在已经能听懂人们所说的，而且正确率相当高，如果要打很多字完全可以不动手，直接念一遍就都以文字的形式输出来。以前电视里播的现场直播都是没有字幕的，现在已经可以在直播的时候也可以看到实时字幕。可见语音识别给我们带来了巨大的便利。还如微软的小冰，你可以在微信关注她，并且同她聊天，还可以和她语音聊天，她甚至可以为你唱歌。现在小冰会的东西越来越多，也越来越智能。 决策方面，从早期MicrosoftOffice里的工具到Google广告的推荐，然后到金融行业的很多智能决策公司的出现，进步迅速。现在的gamil，有时候收到email，Google会跳出来问要不要发回复，有时候它连回复都帮你写好了，而且写的很精确。这也是人工智能的体现。可能以后我们讲话都不用，助理能帮我们搞定。最后是反馈，比如无人驾驶汽车，它通过车载传感系统感知道路环境，并根据感知所获得的道路、车辆位置和信息，控制车辆的转向和速度，自动规划行车路线并控制车辆到达预定目标的。从而使车辆能够安全、可靠地在道路上行驶。 深度学习及其应用领域 提到人工智能就不得不提深度学习，它是一种神经网络，它的特点是使用了多层网络，能够学习抽象概念，同时融入自我学习，而且收敛相对快速。收敛快速可能是一种技巧，不见得是一个理论，但是有一批人通过它解决了很多重要的问题。简单的来说，如果我们有很多笑脸，然后我们把笑脸的像素输入到一个神经网络里面去，最后你那儿希望让机器能识别这是姚明，那是马云，但是因为你这个深度学习的网络很深，要一次性学会这么多也会比较困难，所以就需要用到一个比较快速收敛的技巧——自我学习。通过自我学习，机器会逐步从大量的样本中逐层抽象出相关的概念，然后做出理解，最终做出判断和决策。深度学习或者是任何的机器学习，它是不是超越人类的能力表现，如果超越的话，可能很多应用就会产生。比如在机场，如果机器识别人脸的准确度超过人，那么那些边防的人就可能不需要那么多。这并不是说机器不会犯错，而是说既然人不能比机器做的更好，那不妨就用机器取代。
《人工智能及其应用》 实验指导书
浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月
前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月
目录 实验教学大纲 (1) 实验一产生式系统实验 (4) 实验二模糊推理系统实验 (7)
实验三A*算法实验I (13) 实验四A*算法实验II (17) 实验五遗传算法实验I (19) 实验六遗传算法实验II (26) 实验七基于神经网络的模式识别实验 (29) 实验八基于神经网络的优化计算实验 (35)
实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台实验内容学 时 类型教学 要求 1 产生式系统应用VC++ 设计知识库，实现系统识别或 分类等。 2 设计课内 2 模糊推理系统应 用Matla b 1）设计洗衣机的模糊控制器； 2）设计两车追赶的模糊控制 器。 2 验证课内 3 A*算法应用I VC++ 设计与实现求解N数码问题的 A*算法。 2 综合课内 4 A*算法应用II VC++ 设计与实现求解迷宫问题的A* 算法。 2 综合课内 5 遗传算法应用I Matla b 1）求某一函数的最小值； 2）求某一函数的最大值。 2 验证课内 6 遗传算法应用II VC++ 设计与实现求解不同城市规模 的TSP问题的遗传算法。 2 综合课内7 基于神经网络的Matla1）基于BP神经网络的数字识 2 验证课内
《人工智能》课程结课论文课题：机器学习与大数据 姓名： 学号： 班级： 指导老师： 2015年11月13日
机器学习与大数据 摘要 大数据并不仅仅是指海量数据，而更多的是指这些数据都是非结构化的、残缺的、无法用传统的方法进行处理的数据。大数据时代的来临，随着产业界数据量的爆炸式增长,大数据概念受到越来越多的关注。然而随着大数据“越来越大”的发展趋势，我们在分析和处理的过程中感觉到的困难也愈加的多了。这个时候我们想到了机器学习。机器学习几乎无处不在，即便我们没有专程调用它们，它们也经常出现在大数据应用之中，大数据环境下机器学习的创新和发展也倍加受到了关注。 关键词：大数据；机器学习；大数据时代 Machine learning and big data Abstract Big data is not only refers to the huge amounts of data, and to talk about these data are structured, broken, can't use the traditional method of processing of the era of big data, with the industry to the explosion of data volumes, large data concept is more and more , as the data, the development trend of "growing" in the process of analysis and processing we feel is more time we thought about the machine learning is almost everywhere, even if we don't have to call them specially, they are also often appear in the big data applications, large data machine learning under the environment of innovation and the development also has received
中南林业科技大学 课程论文 论文名称：人工智能课程论文 班级：信息与计算科学一班 姓名：丁洁（20083687）指导教师：黄慧华 日期：2011 - 10
人工智能课程论文 摘要：人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。 关键字：人工智能、智能化电子、符号计算、模式识别、专家系统、机器翻译人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 一、人工智能的具体描述 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的
内蒙古科技大学2015/2016 学年第一学期《人工智能》结课报告 课程号：76807376-01 考试方式：结课报告 使用专业、年级：计算机应用2013-3，4 任课教师：陈淋艳 班级：13级计算机3班 学号：13768073** 姓名：李**
目录 前言 (3) 一、专家系统简介 (5) 二、关键字： (5) 三、专家系统概念和理论 (6) 四、专家系统的发展概况 (7) 五、专家系统的应用分析 (8) 六、专家系统的发展前景 (11) 七、专家系统的总结 (12) 八、学习心得 (12) 参考文献 (13)
人工智能是近年来引起人们很大兴趣的一个领域：它的研究目标是用机器，通常为电子仪器、电脑等，尽可能地模拟人的精神活动，并且争取在这些方面最终改善并超出人的能力;其研究领域及应用范围十分广泛、例如，自动定理证明、推理、模式识别、专家知识系统、智能机器人、学习、博彩、自然语言理解等等。 模式识别可能是人工智能这门学科中最基本也是最重要的一部分。简单来说，模式识别就是让电脑能够认识它周围的事物，使我们与电脑的交流更加自然与方便。它包括文字识别(读)、语音识别(听)、语音合成(说)、自然语言理解与电脑图形识别。 现在的电脑可以说是又耸又哑，而且还是个瞎子，如果模式识别技术能够得到充分发展并应用于电脑，那我们就能够很自然地与电脑进行交流，开也不需要记那些英文的命令就可以立接向电脑下命令。这也为智能机器人的研究提供了必要条件，它能使机器人能够像人一样与外面的世界进行交流。 在人工智能的应用当中最有趣的应该就是机器人了其实机器人的范围很广，不仅包括各种外型的智能机器人，还包括一些用于工业生产的、用于代替人类劳动的机器人、现在的机器人技术在制造只有某一种功能的机器人方面已经取得了一定的成果、但是要研制一种多功能、人性化的智能机器人，还需要不少时间。 到了那时，我们在科幻片中看到的人类与机器人的矛盾不知会不会成为现实。专家系统具有一定的商业特性、它先把某一种行业(譬如医
人工智能课程论文 机器学习 姓名：赵文琪 班级：软件132 学号：3130704233
摘要 机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。 关键字:人工智能,机器学习
目录 1.概述 2.机器学习的定义和研究 3.机器学习的发展史 4.机器学习的主要策略 5.机器学习系统的基本结构 6.机器学习分类 1、基于学习策略的分类 2、基于所获取知识的表示形式分类 3、按应用领域分类
______________________________________________一.概述 机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演译。 机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计算机程序的理论方法的学科。近年来机器学习理论在诸多应用领域 得到成功的应用与发展，已成为计算机科学的基础及热点之一。采用机器学习方法的计算机程序被成功用于机器人下棋程序、语音识别、信用卡欺诈监测、自主车辆驾驶、智能机器人等应用领域，除此之外机器学习的理论方法还被用于大数据集的数据挖掘这一领域。实际上，在任何有经验可以积累的地方，机器学习方法均可发挥作用。 学习能力是智能行为的一个非常重要的特征，但至今对学习的机理尚不清楚。人们曾对机器学习给出各种定义。H.A.Simon认为，学习是系统所作的适应性变化，使得系统在下一次完成同样或类似的任务时更为有效。R.s.Michalski认为，学习是构造或修改对于所经历事物的表示。从事专家系统研制的人们则认为学习是知识的获取。这些观点各有侧重，第一种观点强调学习的外部行为效果，第二种则强调学习的内部过程，而第三种主要是从知识工程的实用性角度出发的。 机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统都普遍缺少 学习的能力。例如，它们遇到错误时不能自我校正；不会通过经验改善自身的性能；不会自动获取和发现所需要的知识。它们的推理仅限于演绎而缺少归纳，因此至多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机
人工智能专家系统论 文 题目五子棋AI算法和网络通信的研究 学生姓名陈维梅 学号 系别商务学院 年级2009 专业计算机科学与技术 指导教师 职称讲师 完成日期
五子棋AI算法和网络通信的研究 摘要： 本系统将利用五子棋游戏作为研究对象，通过设计出一个能够实现两种不同对战模式的五子棋游戏。并对所涉及到的相关技术进行初步的探讨，将重点放在人机对奕中AI算法研究方面。 游戏中提供两种选择模式：人机对战和人人对战。在人机对战中玩家通过选择不同的AI等级和电脑一决高下。在人人对战中双方可以进行下棋，悔棋但要通过对方的同意。同时还可以实现在线聊天。AI的不同等级是以不同的搜索深度确定的。本系统以深度为2，3，4分别为初级，中级，高级。网络对战中则使用Socket实现点对点通信。 关键字：五子棋、博奕AI算法、网络通信 Research the AIof Renju and the Communication Summary: This system will use Renju as research objects, passing to design a Renju game that can provide two kinds of dissimilarities to the play mode. to involve to of the related technique carry on the study of the first step, play more attention in the AI calculate way research aspect. It provide two kinds of choice modes in the game:Person's machine to the war and the everyone to war.The player passes to choose the different AI grade and computer in person's machine the rightness the war
《人工智能及其应用》 教学讲义 第一章人工智能概论
第一章人工智能概论 一、人工智能的基本概念 人工智能（Artificial Intelligence，简称AI）这一术语是1956年在美国的Dartmouth大学召开的世界第一次AI会议上由麻省理工学院的青年数学教师John McCarthy提议而使用的。AI这一学科至今已有50多年的历史，在国际上已确认AI是当代高科技的核心之一。 AI是一个广义词，各有说法，很难给出准确的定义或一般性的定义。其基本含义是： AI是用机器（计算机或智能机）来模仿人类的智能行为。 AI也叫机器智能，是研究如何使机器具有认识问题与解决问题的能力，研究如何使机器具有感知功能（如视、听、嗅）、思维功能（如分析、综合、计算、推理、联想、判断、规划、决策）、行为功能（如说、写、画）及学习、记忆等功能。 所以，如果一个计算机系统具有某种学习能力，能够对有关问题给出正确的答案，而使用的方法与人类相似，还能解释系统的智能活动，那么，这种计算机系统便认为具有某种智能。 人工智能用计算机技术的概念和方法对智能进行研究，因此，它从根本上提供了一个全新的理论基础。作为一门学科，人工智能的目的是了解使智能得以实现的原理；作为一门技术，它的最终目的是设计出完全与人类智能相媲美的智能计算机系统。 到目前为止，计算机作为一种最有效的信息处理工具，人们已片刻离不开它。但是，与人脑相比，计算机的智能在许多方面还不及婴幼儿。如果计算机具有一定的智能，能够模拟人类的智能活动，成为人脑的延伸，那么计算机对人类的贡献和作用将产生不可估量的影响，人类将步入智能机器人的时代。 尽管科学家们尚未达到这个目的，但在使计算机更加智能化方面已经取得了很大的进展，许多AI 计算机系统在不少领域实际上已超出了高水平的人类技艺，如计算机可以下出极高水平的象棋，用来诊断某种疾病，用来发现数学概念。 AI是使技术适应于人类的钥匙，是自动化技术向智能技术方向发展的关键，也是揭示人类智能和人脑奥秘的有力工具。 二、人工智能的研究内容 要了解人工智能的研究内容，必须先搞清楚什么是人类的智能。“智能”词源来自拉丁语Legere，字面意思是采集、收集和汇集，并由此进行选择。而Intellegere意思是从中进行选择，进而理解、领悟和认识。 因此，人工智能的研究内容应包括三个方面： 1．知识表达(Knowledge Representation)： ——研究如何在机器中表示知识，使知识形式化、模型化，用以建立合适的符号逻辑系统。 2．知识获取(Knowledge Acquisition)： ——研究机器如何从各种知识源获取知识。 3．知识处理(Knowledge Inference)或问题求解(Peoblem Solving)： ——运用存贮于机器中的知识进行相应知识处理，并推出结论。
目录 第1章、绪论 (2) 1、1智能机器人技术发展的重要意义 (2) 1、2国内外机器人的发展史 (2) 1、2、1 国外机器人的发展历史 (2) 1、2、2 国内机器人的发展历史 (3) 1、3服务机器人的特点关键技术 (3) 1、4本论文的主要研究内容 (4) 1、5本章小结 (4) 第2章、物体检测与报警机器人的总体设计 (5) 2、1概述 (5) 2、2主要组成 (5) 2、2、1 头部旋转机构 (5) 2、2、2 主体部 (6) 2、2、3 电机 (6) 2、3主要技术参数 (7) 2、4、电机的选型 (7) 2、4、1 驱动机构的组成、 (7) 2、4、2 步进电机的选型比较 (8) 2、4、3 步进电机的选型计算 (9) 2、5蜗轮蜗杆传动的选型设计 (11) 2、6电机的效核.................................... 错误!未定义书签。 2、7轴的较核及联件的选型.......................... 错误!未定义书签。 2、7、1、蜗杆轴的较核、......................... 错误!未定义书签。 2、7、2、蜗杆轴上轴承的选型..................... 错误!未定义书签。 2、7、 3、蜗轮轴的较核、......................... 错误!未定义书签。 2、7、4、蜗轮轴上轴承的选型..................... 错误!未定义书签。 2、7、5、键的较核............................... 错误!未定义书签。 2、7、6、联轴器的选型........................... 错误!未定义书签。 2、8本章小结...................................... 错误!未定义书签。第3章、驱动机构及其控制方式........................ 错误!未定义书签。 3、1、概述........................................ 错误!未定义书签。 3、2步进电机及其控制系统.......................... 错误!未定义书签。 3、2、1 步进电机的工作特性、..................... 错误!未定义书签。 3、2、2 步进电机的开环控制系统................... 错误!未定义书签。 3、3本章小结...................................... 错误!未定义书签。结束语............................................... 错误!未定义书签。