文檔：人工智能研究的前沿領(lǐng)域

人工智能研究的前沿領(lǐng)域一、智能代理從建立分布式智能和分布式應(yīng)用系統(tǒng)集成的目標(biāo)出發(fā)，在理論創(chuàng)新的基礎(chǔ)上，發(fā)展公共主體請(qǐng)求代理體系機(jī)制CARBA，研究面向主體軟件工程方法，開發(fā)具有自主版權(quán)的目標(biāo)產(chǎn)品“多主體環(huán)境MAGE”。主要研究內(nèi)容包括：（1）理性主體的認(rèn)知模型和多主體的協(xié)調(diào)策略；（2）面向主體的軟件工程方法；（3）主體技術(shù)實(shí)用化研究方面。該方向主要應(yīng)用領(lǐng)域包括：電子商務(wù)，數(shù)字圖書館，移動(dòng)計(jì)算，群體智能決策支持系統(tǒng)以及CSCW。二、機(jī)器學(xué)習(xí)主要研究內(nèi)容包括：（1）學(xué)習(xí)算法:歸納學(xué)習(xí)、范例學(xué)習(xí)、貝葉斯網(wǎng)路、粗糙集、模糊集、支持向量機(jī)、關(guān)聯(lián)規(guī)則、遺傳算法、解釋學(xué)習(xí)；（2）開展感知學(xué)習(xí)、主動(dòng)學(xué)習(xí)和內(nèi)省學(xué)習(xí)等研究；（3）多策略通用數(shù)據(jù)挖掘工具M(jìn)SMiner。三、知識(shí)網(wǎng)格(knowledgegrid)知識(shí)網(wǎng)格是在異構(gòu)的、動(dòng)態(tài)的虛擬組織環(huán)境下，提供有效的知識(shí)服務(wù)和共享，協(xié)作解決用戶需要解決的問題，滿足用戶的需求。主要研究內(nèi)容包括：（1）知識(shí)模型。知識(shí)模型將描述系統(tǒng)的知識(shí)和推理需求，包括領(lǐng)域知識(shí)、推理知識(shí)和任務(wù)知識(shí)。（2）通信模型。通信模型將描述系統(tǒng)之間或系統(tǒng)與用戶之間的需求和接口。（3）知識(shí)獲取。研究適合高維、海量、異構(gòu)、不完全、半結(jié)構(gòu)化數(shù)據(jù)挖掘的有效方法和算法。（4）知識(shí)組織。研究通過概念語義空間進(jìn)行知識(shí)組織，以期獲得快速檢索和高的查準(zhǔn)率。（5）服務(wù)管理。面向用戶服務(wù)的模式和協(xié)議。四、自主計(jì)算(autonomiccomputing)IT系統(tǒng)擁有自我調(diào)節(jié)能力而無需人為的過多干預(yù),這就是自主計(jì)算的思想——將復(fù)雜性嵌入到系統(tǒng)設(shè)施本身，使用戶覺察不到復(fù)雜性，只需發(fā)號(hào)施令而不必關(guān)心系統(tǒng)執(zhí)行命令的具體過程。這意味著系統(tǒng)本身能夠自主運(yùn)行，并自我調(diào)整以適應(yīng)不同的環(huán)境。自主計(jì)算即得名于人體的自主神經(jīng)系統(tǒng)，但它們的重要差異在于，人體做出的很多自主決定是不自覺的，而計(jì)算機(jī)系統(tǒng)的自主計(jì)算組件則遵循人所下達(dá)的命令。自主計(jì)算也不同于人工智能，雖然后者在某些方面對(duì)其有借鑒意義。自主計(jì)算并不將模仿人類思維作為主要目標(biāo),而是具有適應(yīng)動(dòng)態(tài)變化環(huán)境自我管理能力。主要研究內(nèi)容包括：（1）自配置。使PC可以在無人參與的情況下自動(dòng)安裝應(yīng)用程序，可用于包括IBM或其他品牌PC的混合環(huán)境；系統(tǒng)移植助理則通過保存用戶的設(shè)置，使用戶特殊的數(shù)據(jù)、應(yīng)用以及個(gè)人設(shè)置從舊系統(tǒng)向新系統(tǒng)轉(zhuǎn)移時(shí)更容易。（2）自恢復(fù)。它能使PC用戶快速、輕松地實(shí)現(xiàn)文件數(shù)據(jù)乃至應(yīng)用程序和操作系統(tǒng)本身的恢復(fù)。（3）自優(yōu)化。軟件可以讓用戶輕易地在多種有線或無線的網(wǎng)絡(luò)中切換，而不必操心網(wǎng)絡(luò)連接時(shí)的設(shè)置變更過程。（4）自保護(hù)。利用系統(tǒng)集成的安全芯片和客戶安全軟件，提供了同時(shí)基于軟硬件的保護(hù)措施。五、認(rèn)知信息學(xué)(cognitiveinformatics)1.神經(jīng)計(jì)算側(cè)重研究神經(jīng)網(wǎng)絡(luò)變換、神經(jīng)場計(jì)算理論、信念神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)理論、基于前饋動(dòng)力學(xué)神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶模型、基于遺傳算法的神經(jīng)網(wǎng)絡(luò)算法、神經(jīng)近似邏輯、思維模型等。取得的研究成果如下。（1）以指數(shù)函數(shù)為隱單元激發(fā)函數(shù)的指數(shù)神經(jīng)網(wǎng)絡(luò)模型。（2）研究了變換神經(jīng)網(wǎng)絡(luò)的競爭學(xué)習(xí)問題,提出了適應(yīng)頻率競爭學(xué)習(xí)算法,推廣了K——中心聚類算法,從而部分地解決了全局等概率性問題。（3）神經(jīng)場計(jì)算的理論框架，用平坦流形上單形、復(fù)形的概念和理論來作為神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的表示和編碼機(jī)理,通過復(fù)形結(jié)構(gòu)的邊緣鏈結(jié)構(gòu)分解,形成了對(duì)于神經(jīng)網(wǎng)絡(luò)層次化、功能模塊化的組織結(jié)構(gòu)、定位機(jī)理的認(rèn)識(shí)。（4）在非線性空間和非歐氏空間中基于整體結(jié)構(gòu)逼近的學(xué)習(xí)理論框架,在此基礎(chǔ)上分別提出了對(duì)偶校正學(xué)習(xí)算法（DCL）和基于拓?fù)浣Y(jié)構(gòu)逼近校正學(xué)習(xí)算法（TAC）。（5）神經(jīng)近似邏輯，該邏輯能很好地描述神經(jīng)網(wǎng)絡(luò)。神經(jīng)近似邏輯不