人工智能研究現狀綜述范文

導語：如何才能寫好一篇人工智能研究現狀綜述，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：人工智能 機器學習 機器人情感獲得 發展綜述

中圖分類號：TP18 文獻標識碼：A 文章編號：1003-9082 （2017） 04-0234-01

引言

人類自從工業革命結束之后，就已然開始了對人工智能的探索，究其本質，實際上就是對人的思維進行模仿，以此代替人類工作。人工智能的探索最早可以追溯到圖靈時期，那時圖靈就希望未來的智能系統能夠像人一樣思考。在20世紀五十年代，人工智能被首次確定為一個新興的學科，并吸引了大批的學者投入到該領域的研究當中。經過長時間的探索和嘗試，人工智能的許多重要基本理論已經形成，如模式識別、特征表示與推理、機器學習的相關理論和算法等等。進入二十一世紀以來，隨著深度學習與卷積神經網絡的發展，人工智能再一次成為研究熱點。人工智能技術與基因過程、納米科學并列為二十一世紀的三大尖端技術， 并且人工智能涉及的學科多，社會應用廣泛，對其原理和本質的理解也更為復雜。 一、人工智能的發展歷程

回顧人工智能的產生與發展過程 ，可以將其分為：初期形成階段，綜合發展階段和應用階段。

1.初期形成階段

人工智能這一思想最早的提出是基于對人腦神經元模型的抽象。其早期工作被認為是由美國的神經學家和控制論學者 Warren McCulloch與Walter Pitts共同完成的。在1951年，兩名普林斯頓大學的研究生制造出了第一臺人工神經元計算機。而其真正作為一個新的概念被提出是在1956年舉行的達茅斯會議上。由麥卡錫提議并正式采用了“人工智能”（Artificial Intelligence）礱枋穌庖謊芯咳綰斡沒器來模擬人類智能的新興學科。1969年的國際人工智能聯合會議標志著人工智能得到了國際的認可。至此，人工智能這一概念初步形成，也逐漸吸引了從事數學、生物、計算機、神經科學等相關學科的學者參與該領域的研究。

2.綜合發展階段

1.7 7年， 費根鮑姆在第五屆國際人工智能聯合會議上正式提出了“知識工程”這一概念。而后其對應的專家系統得到發展，許多智能系統紛紛被推出，并應用到了人類生活的方方面面。20世紀80年代以來，專家系統逐步向多技術、多方法的綜合集成與多學科、多領域的綜合應用型發展。大型專家系統開發采用了多種人工智能語言、多種知識表示方法、多種推理機制和多種控制策略相結合的方式， 并開始運用各種專家系統外殼、專家系統開發工具和專家系統開發環境等等。在專家系統的發展過程中，人工智能得到了較為系統和全面的綜合發展，并能夠在一些具體的任務中接近甚至超過人類專家的水平。

3.應用階段

進入二十一世紀以后，由于深度人工神經網絡的提出，并在圖像分類與識別的任務上遠遠超過了傳統的方法，人工智能掀起了前所未有的。2006年，由加拿大多倫多大學的Geoffery Hinton及其學生在《Science》雜志上發表文章，其中首次提到了深度學習這一思想，實現對數據的分級表達，降低了經典神經網絡的訓練難度。并隨后提出了如深度卷積神經網絡（Convolutional Neural Network， CNN），以及區域卷積神經網絡（Region-based Convolutional Neural Network， R-CNN），等等新的網絡訓練結構，使得訓練和測試的效率得到大幅提升，識別準確率也顯著提高。

二、人工智能核心技術

人工智能由于其涉及的領域較多，內容復雜，因此在不同的應用場景涉及到許多核心技術，這其中如專家系統、機器學習、模式識別、人工神經網絡等是最重要也是發展較為完善的幾個核心技術。

1.專家系統

專家系統是一類具有專門知識和經驗的計算機智能程序系統，通過對人類專家的問題求解能力建模，采用人工智能中的知識表示和知識推理技術來模擬通常由專家才能解決的復雜問題，達到具有與專家同等解決問題能力的水平。對專家系統的研究，是人工智能中開展得較為全面、系統且已經取得廣泛應用的技術。許多成熟而先進的專家系統已經被應用在如醫療診斷、地質勘測、文化教育等方面。

2.機器學習

機器學習是一個讓計算機在非精確編程下進行活動的科學，也就是機器自己獲取知識。起初，機器學習被大量應用在圖像識別等學習任務中，后來，機器學習不再限于識別字符、圖像中的某個目標，而是將其應用到機器人、基因數據的分析甚至是金融市場的預測中。在機器學習的發展過程中，先后誕生了如凸優化、核方法、支持向量機、Boosting算法等等一系列經典的機器學習方法和理論。機器學習也是人工智能研究中最為重要的核心方向。

3.模式識別

模式識別是研究如何使機器具有感知能力 ，主要研究圖像和語音等的識別。其經典算法包括如k-means，主成分分析（PCA），貝葉斯分類器等等。在日常生活各方面以及軍事上都有廣大的用途。近年來迅速發展起來應用模糊數學模式、人工神經網絡模式的方法逐漸取代傳統的基于統計學習的識別方法。圖形識別方面例如識別各種印刷體和某些手寫體文字，識別指紋、癌細胞等技術已經進入實際應用。語音識別主要研究各種語音信號的分類，和自然語言理解等等。模式識別技術是人工智能的一大應用領域，其非常熱門的如人臉識別、手勢識別等等對人們的生活有著十分直接的影響。

4.人工神經網絡

人工神經網絡是在研究人腦的結構中得到啟發， 試圖用大量的處理單元模仿人腦神經系統工程結構和工作機理。而近年來發展的深度卷積神經網絡（Convolutional neural networks， CNNs）具有更復雜的網絡結構，與經典的機器學習算法相比在大數據的訓練下有著更強的特征學習和表達能力。含有多個隱含層的神經網絡能夠對輸入原始數據有更抽象喝更本質的表述，從而有利于解決特征可視化以及分類問題。另外，通過實現“逐層初始化”這一方法，實現對輸入數據的分級表達，可以有效降低神經網絡的訓練難度。目前的神經網絡在圖像識別任務中取得了十分明顯的進展，基于CNN的圖像識別技術也一直是學術界與工業界一致追捧的熱點。

三、機器人情感獲得

1.智能C器人現狀

目前智能機器人的研究還主要基于智能控制技術，通過預先定義好的機器人行動規則，編程實現復雜的自動控制，完成機器人的移動過程。而人類進行動作、行為的學習主要是通過模仿及與環境的交互。從這個意義上說，目前智能機器人還不具有類腦的多模態感知及基于感知信息的類腦自主決策能力。在運動機制方面，目前幾乎所有的智能機器人都不具備類人的外周神經系統，其靈活性和自適應性與人類運動系統還具有較大差距。

2.機器人情感獲得的可能性

人腦是在與外界永不停息的交互中，在高度發達的神經系統的處理下獲得情感。智能機器人在不斷的機器學習和大數據處理中，中樞處理系統不斷地自我更新、升級，便具備了獲得情感的可能性及幾率。不斷地更新、升級的過程類似于生物的進化歷程，也就是說，智能機器人有充分的可能性獲得與人類同等豐富的情感世界。

3.機器人獲得情感的利弊

機器人獲得情感在理論可行的情況下，伴之而來的利弊則眾說紛紜。一方面，擁有豐富情感世界的機器人可以帶來更多人性化的服務，人機合作也可進行地更加深入，可以為人類帶來更為逼真的體驗和享受。人類或可與智能機器人攜手共創一個和諧世界。但是另一方面，在機器人獲得情感時，機器人是否能徹底貫徹人類命令及協議的擔憂也迎面而來。

4.規避機器人情感獲得的風險

規避智能機器人獲得情感的風險應預備強制措施。首先要設計完備的智能機器人情感協議，將威脅泯滅于未然。其次，應控制智能機器人的能源獲得，以限制其自主活動的能力，杜絕其建立獨立體系的可能。最后，要掌控核心武器，必要時強行停止運行、回收、甚至銷毀智能機器人。

三、總結

本文梳理了人工智能的發展歷程與核心技術，可以毋庸置疑地說，人工智能具有極其廣闊的應用前景，但也伴隨著極大的風險。回顧其發展歷程，我們有理由充分相信，在未來人工智能的技術會不斷完善，難題會被攻克。作為世界上最熱門的領域之一，在合理有效規避其風險的同時，獲得情感的智能機器人會造福人類，并極大地幫助人們的社會生活。

參考文獻

[1]韓曄彤.人工智能技術發展及應用研究綜述[J].電子制作，2016，（12）：95.

[2]曾毅，劉成林，譚鐵牛.類腦智能研究的回顧與展望[J].計算機學報，2016，（01）：212-222.

[3]張越.人工智能綜述：讓機器像人類一樣思考

篇2

系統綜述(systematicreview)又稱系統評價，起源于醫學領域，是指在復習、分析、整理和綜合原始文獻的基礎上進行的二次研究方法［12］，目前已經被廣泛應用于循證醫學(evidence-basedmedicine)［13］，逐步應用于社會學、教育學、圖書情報等領域［14］。系統綜述可被精確區分為兩種類型:(1)定性系統綜述，原始文獻的研究結果被分析與總結，但未經統計學合并;(2)定量系統綜述，又稱元(meta)分析或薈萃分析，應用統計學方法對若干個研究結果進行定量統計合并的過程。在某些不強調或較難實施統計學合并的研究領域，直接將定性系統綜述稱為系統綜述，將其作為一種對某研究問題、主題或現象的可獲得的所有研究進行評價和解釋的方法，目標在于通過一種可信的、嚴格的以及可審計的方法來提供公正的研究評價［15］。信息科學與旅游科學的交叉研究屬于較難實現統計學合并的研究領域，因此本文采用定性系統綜述方法，簡稱系統綜述。本文關于信息科學與旅游的交叉研究的系統綜述研究包含如下步驟:(1)確定研究問題為了全面了解與分析信息科學與旅游的交叉研究現狀，本文確定了如下系統綜述的研究問題:①信息科學研究中面向旅游的研究主要有哪些方面?②旅游研究中與信息科學相關的研究主要有哪些方面?③信息科學與旅游的交叉研究有哪些趨勢?(2)確定文獻搜索策略基于所確定的研究問題，設計如下文獻搜索策略:①搜索工具與數據庫:采用GoogleScholar、IEEEXplore、ScienceDirect;②搜索關鍵字:采用關鍵字組合“tourism”AND(“computer”OR“communicationtechnology①”)，即“旅游”與“計算機”或“通信技術”同時出現;計算機科學與技術是信息科學研究領域中最為活躍的方向之一，計算機科學與技術、通信科學與技術在信息科學研究中具有一定的代表性;經過反復搜索測試，“計算機”與“通信技術”作為關鍵字與“旅游”進行組合搜索，搜索結果能夠較為全面地覆蓋信息科學與旅游的交叉研究，實現本文系統綜述的研究目標;③搜索的時間范圍:2000年之后。(3)文獻搜索按照上述搜索策略分別在3個工具與數據庫進行搜索。GoogleScholar顯示共有54500條結果(2011年12月22日)，其只提供最相關的前1000條;IEEEXplore(搜索字段為“摘要”)共搜索到46條結果(2011年12月24日);ScienceDirect(搜索字段為“題目”或“關鍵字”或“摘要”)共搜索到36條結果(2011年12月24日)。(4)文獻篩選在上述搜索到的條目中，按照表1所示的文獻入選和剔除標準，篩選用于本文系統綜述的文獻。表1所示第一步完成后共有512篇文獻入選。第二步經過多次逐步細化篩選，最終確定用于本文系統綜述的入選文獻共245篇，其中期刊論文158篇，會議論文87篇。245篇文獻來自106種期刊和58種會議，文獻來源分散且涉及領域廣泛，有關文獻來源、作者等的定量分析結果已另文撰寫［16］，本文則側重對系統綜述研究步驟(1)所確定的研究問題的回答。(5)分析與完成報告根據系統綜述研究步驟(1)所確定的研究問題，對入選文獻進行分類、分析與總結。分析結果見下一章節。為了分別回答問題1與問題2，本文需要將入選文獻劃分為旅游研究和信息科學研究兩種視角，分別簡稱為旅游類研究和信息類研究。而事實上，當兩種研究產生交叉與融合，進行上述嚴格區分是較為困難的。為此，本如下處理:(1)按照文獻來源所屬學科范疇進行劃分，如來源于TourismManagement及《旅游學刊》的文獻則劃入旅游類，來源于ExpertSystemswithApplications及《計算機工程》的文獻則劃入信息類;(2)按照期刊載文的學科范疇劃分，如《華東經濟管理》刊載旅游類文章，則歸為旅游類，《北京工商大學學報(自然科學版)》刊載信息技術類文章，則歸為信息類;(3)按照入選文獻的具體內容劃分，一些綜合性期刊無法直接確認屬于哪一類，則閱讀入選文章原文，如果偏重人文社會學視角，則歸入旅游類;如果偏重信息科學及技術視角，則歸入信息類。由此，經管類、電子商務、地理類等期刊歸入旅游類中，測繪類期刊歸入信息類中;兩類分別含有入選文獻147篇和98篇。

綜述結果與分析

1:信息科學研究中面向旅游的研究主要有哪些方面?“面向旅游”并不特指專用于或專門針對旅游的研究，而是指其研究問題由旅游領域而產生，或者旅游是其最為典型的應用。面向旅游的信息科學研究幾乎涉及了信息科學研究范疇的各個方面，而許多研究領域更是體現了信息科學領域較新及較前沿的研究方向與熱點，如表2所示①。面向旅游的信息科學研究中最受關注的研究主題是應用系統、人工智能、地理信息系統、移動應用、推薦系統以及語義網與本體等;而Web服務、虛擬現實、普適計算、計算機仿真也受到了一定程度的關注。下面對表2排序前10的研究主題的進展情況進行詳細闡述。應用系統指面向各種終端設備，如電腦、手機、PDA(掌上電腦)、電話等使用者的可用人機交互系統，也包含網站(Web)應用系統。本文為了強調移動應用和推薦系統兩類特殊的應用系統，在本類研究主題統計中將其排除，另列類別。應用系統研究占據了面向旅游的信息科學研究的較大比重。一方面是因為信息科學向旅游研究中進行滲透的最初方式正是其在旅游行業中的實際應用;另一方面是入選文獻中我國研究占據較大比重且較集中于該類研究。應用系統的相關研究可分為:①戰略設計或實施建議，如航空業信息技術應用戰略與戰術研究［17］，以及非洲撒哈拉以南地區的旅游組織實施電子商務的建議［18］;②技術架構設計，如基于面向服務的體系架構(serviceorientedarchitecture，SOA)的旅游資源信息服務模型研究［19］;③系統設計與開發，如一種智能旅游行程導航系統［20］，以及四川［21］、山西［22］和贛東北［23］等目的地或區域管理信息系統的設計與開發。人工智能是面向旅游的信息科學研究較多采用的方法與技術，可將相關研究分成以下幾個方面:①推理，即采用人工智能推理技術支撐各種應用系統，如基于貝葉斯網的旅游行程推理［24］;②數據挖掘，如旅游突發事件預測預警［25，26］、消費者特征分析［27］、基于機器學習的旅游博客觀點挖掘［28］以及數據倉庫技術在旅游業中的應用［29］;③主體(agent)，如主體旅游者進行數據采集、分析并向旅游者進行旅游推薦［30－32］;④評價，如基于神經網絡的上海旅游可持續發展能力評價［33］;⑤決策支持，如旅游目的地選擇決策支持系統［34］。旅行活動是一種人地關系，地理信息是設計與開發各種旅游應用系統的重要信息資源，地理信息系統就是為這些應用系統提供地理信息使用接口的重要支撐系統。個性化目的地推薦系統［35］、基于短信服務的餐館推薦系統［36］、導航系統［20］、位置服務系統［37］、旅游資源監控預警系統［38］以及古建筑信息系統［39］等應用系統都離不開地理信息系統的支撐。上述“應用系統”主題研究中，幾乎所有面向目的地與區域的管理信息系統的設計與開發都離不開地理信息系統。有關旅游地理信息系統本身的研究也較為活躍，如雅安市WebGIS(萬維網地理信息系統)的實現研究［40］、基于WebGIS的旅游地理信息系統研發［21］以及泰山三維(3D)地理信息系統的研發［41］。移動通信技術，特別是移動終端技術的快速發展，使得面向旅游者手持終端(如手機、PDA)的各種移動應用得到了迅猛發展。相比較于傳統的計算機應用，移動應用較好體現了旅游以“人為中心”而不是計算機為中心的理念。相關研究主要集中于面向旅游者服務的信息推送與搜索［37］、導航［42，43］、實時路線及目的地推薦［34，36，44，45］;并向普適計算的方向進行擴展，如手機電子門票［46］、基于全球定位系統的車輛監控與導航以及手機與環境之間的交互游戲［47］等。除了面向旅游者服務外，移動應用研究還包含面向旅游研究者、旅游公共管理與服務部門以及旅游企業的旅游行為數據采集與分析，如可通過基于手機數據的散客流分析，對目的地住宿的可容納量進行估算［48］。移動應用中與位置信息相關的應用也被稱為位置服務，如位置信息服務、導航以及實時路線推薦等。推薦系統是為解決互聯網“信息過載”問題而提出的一種個性化服務，幫助用戶從大量信息中發現其可能感興趣的或者滿足其需求的資源，如信息、服務以及商品等，并自動生成個性化推薦［49］。目前，推薦系統在旅游中的典型應用為旅游行程規劃，可面向旅游電子商務用戶［50］，也可面向互聯網用戶［4，51，52］;可規劃旅行的時間、地點以及活動等全套行程規劃［4，51－53］，也可推薦旅游目的地［35］、餐廳［36］以及住宿［54］等。推薦系統主要采用人工智能［50］、語義網［24，53］、移動應用［36，45］、定位與地理信息系統［36］等技術。相關研究還涉及用戶個性語義模型［55］、系統架構設計［56］等方面。語義網(semanticWeb)是傳統網站的一種擴展。在語義網中，信息具有明確的含義———語義，人類語言與機器語言之間能夠相互理解，機器能夠自動地處理和集成網上對于人而言可用的信息，使得人與機器之間的交流變得像人與人之間交流一樣順暢。本體(ontology)是用來描述網絡文檔中術語的明確含義及其之間關系的技術，能夠實現語義網信息處理的自動化，提高網站搜索的準確性以及網站服務質量［57］。旅游領域是語義Web與本體研究的問題來源與典型應用對象，如基于語義Web與本體技術的旅游中小企業間信息交換［58］、動態生成客戶供給的客戶關系管理［59］、旅游網站信息系統［60］、旅游目的地管理系統［61］以及旅行推薦系統［24，30，53，54，56］。這些系統能夠對旅游領域知識進行本體表達，從而集成對于用戶有用的或者滿足用戶需求的語義信息;其中，旅游知識域的本體表達［62］、行程規劃的語義信息推理［24］是實現這些系統的關鍵技術。Web服務(Webservices)是Web上數據和信息集成的有效機制，是解決Web上各種應用系統高維護與更新代價的最為合理的解決方案［57］。因此，Web服務在旅游中主要用于信息集成、交換以及系統之間的互操作［63，64］。Web服務技術對于旅游目的地管理而言非常重要，能夠實現旅游目的地營銷系統與旅游企業之間以及目的地旅游企業之間的異構數據交換、共享以及集成［65］。Web技術還是Web推薦系統的重要技術之一，能夠獲取推薦系統所需的動態與實時的萬維網數據［52］。虛擬現實技術主要用于旅游目的地、景區、景點的市場營銷。國內的相關研究集中于旅游目的地、景區及景點等的虛擬展示，如西安市360度全景虛擬旅游系統［66］、北京妙峰山古建筑群的網絡虛擬漫游系統［67］、村鎮民俗旅游資源的立體展示［68］。鄭鵬等認為這是一種旅游產品的虛擬試用體驗［69］。而國外的相關研究則側重于游客的現場體驗，特別針對歷史文化遺產與遺跡，如意大利的PEACH(personalexperiencewithactiveculturalheritage，個性化體驗活動的文化遺產)項目針對提升游客在博物館對于文化遺產的體驗［70］以及馬來西亞凱利城堡(Kellie’sCastle)的虛擬旅游原型研發［71］。虛擬現實技術在旅游中的應用還包含了旅游開發與遺產保護，如十三陵景區的虛擬復原［72］。普適計算模式下人們能夠在任何時間、任何地點、以任何方式進行信息的獲取與處理。由于移動終端設備及其應用的發展，普適計算在旅游研究中非?；钴S，如一種面向移動終端的基于旅游本體的信息廣播與推送方法研究，用以解決傳統移動終端對于旅游者需要花費昂貴的“漫游”網絡連接費用以及需要主動獲取信息等問題［73］;一個面向德國雷根斯堡(Regensburg)游客的移動終端游戲的設計與應用，游客可以通過在空中晃動手機來與游戲中的歷史人物溝通，該游戲以一種有趣的方式向游客介紹雷根斯堡的歷史［74］。普適計算是我國目前形成研究熱點的物聯網應用的基礎理論與技術之一。計算機仿真技術研究中面向旅游的研究包含基于概率統計方法對上海旅游服務系統顧客滿意度進行仿真［75］以及基于系統動力學方法對新度假制度對城郊旅游的影響進行仿真［76］等。

問題2:旅游研究中與信息科學相關的研究主要有哪些方面?旅游研究中與信息科學方法與技術相關的研究范圍較為廣泛，表3顯示本文入選文獻中歸入旅游類的研究主題共有43種①。其中最受關注的研究主題是電子商務、網站評估以及在線消費者行為。人工智能、移動通信、地理信息系統等信息科學方法與技術在旅游中受到了相應重視。旅游網站空間、系統評價、網絡營銷、應用系統以及正在大范圍普及的Web2.0互聯網應用模式也受到了旅游研究的重視。信息科學領域中的某些前沿研究也在旅游研究中得到了關注，如計算機仿真、推薦系統、Web服務、語義網與本體。進一步對表3各類主題的文獻內容進行剖析與歸納，可以得到以下旅游研究中與信息科學方法與技術相關的6個研究范疇:信息技術對旅游的影響研究主要包含信息技術對旅游產業的影響與信息技術在旅游中的應用影響兩個方面。其中，信息技術在旅游中的應用影響又分為現狀研究、作用研究、影響因素研究等方面。信息技術對旅游產業的影響主要體現在其對傳統旅游產業價值鏈的重構上，集中表現于電子商務對旅游產業的影響［77］、新型電子中介(供應商、互聯網門戶網站、拍賣網站、數字電視、移動商務等)對傳統電子中介(計算機訂座系統、全球分銷系統等)的影響［78］、信息技術對分銷渠道的影響［79］。信息技術在旅游中的應用現狀研究主要側重于旅游企業，如電子商務在北京旅游企業中的應用現狀［80］、土耳其旅行社對互聯網的使用情況［81］、愛爾蘭旅游中小企業和鄉村微型住宿業對信息技術使用情況的分析［82］、南非中小旅游企業對于信息技術使用的狀況研究［83］.信息技術對旅游的作用研究既包含旅游企業整體層面，如信息技術對埃及中小接待企業發展的積極作用［84］、知識管理對于澳大利亞旅游業的作用［85］等;又包含旅游企業的某項具體功能，如信息技術應用對于泰國酒店運營效率的作用［86］;還包含旅游資源開發與保護方面，如計算機技術對于泰國古建筑重建的重要作用［87］。信息技術應用的影響因素研究對于旅游業如何有效應用信息技術而言是非常重要的。相關研究包含:①電子商務的應用影響，如泰國旅游企業應用電子商務的影響因素［88］、酒店業應用電子商務的影響因素［89］;②網絡營銷對旅游企業的影響，如互聯網廣告對旅行社運營的影響［90］;③旅游企業對技術應用的態度，如希臘旅行社對互聯網技術的使用情況與態度［91］;④旅游者對信息技術使用的態度，如游客在度假時是否愿意使用基于技術的信息［92］、影響旅游者使用互聯網進行旅游規劃的因素［93］。目前，信息技術在旅游中的應用模式研究主要集中于電子商務模式、網絡營銷以及Web2.0。電子商務模式的相關研究有區域旅游電子商務開發計劃研究［94］、旅游電子商務模式現狀與趨勢研究［95］、旅游電子商務模式［96］以及運營模式研究［97］等。網絡營銷是除了電子商務之外信息技術在旅游中最主要的應用模式。網絡營銷研究多圍繞網站展開，如英國農村接待企業網站營銷現狀研究［98］、塞爾維亞旅游網站網絡促銷現狀和形式研究［99］、美國旅游官方網站網絡營銷使用分析［100］、旅游目的地營銷組織網站的客戶需求研究［101］。此外，在線葡萄酒旅游［102］以及在線客戶關系管理［103］都是一種網絡營銷方式。隨著互聯網技術的發展，Web2.0作為一種新型的互聯網應用模式受到了旅游領域的高度關注。相關研究可以分為如下幾個方面:①營銷，即基于Web2.0的網絡營銷方式，這是目前旅游研究領域最為關注的方面，如Web2.0對克羅地亞旅游產品的營銷作用研究［104］、博客對于旅游市場營銷的中介作用［105］;②旅游者行為與服務，如Web2.0下網絡旅游消費行為模式及旅游網站應用研究［106］、基于Web2.0的用戶個性化定制研究［107］以及基于人工智能技術的微博“旅游情感”數據挖掘［108］;③網站分類，如Web2.0旅游網站的分類機制研究［109］。此外，面向產業價值網絡的四川旅游信息資源整合推進模式和機制是一種信息技術在旅游中應用模式的有效探索［110］。網站評價是信息技術應用評價研究中最主要的內容［111］。從評價對象上看，相關研究涉及官方旅游網站［112］、目的地營銷組織網站［113］、各國及地區旅游網站［114－116］;從評價內容上，包含有效性評價［112］、可用性評價［114，117］、使用分析［118］、功能分析［113，119］、網站設計［116，120］、網站旅游本體分析［121］、游客價值［116］以及網站訪問者分析［119］等;從評價方法上有調查法［114］、啟發式方法［115］、數據包絡分析法［122］、內容分析法［113］、網站日志分析法［118］、領域本體分析法［121］等。隨著移動通信技術的發展，移動應用在旅游領域得到了廣泛應用，針對移動應用系統的評價研究也受到研究者的關注，如從用戶角度對移動應用進行評價［123］、各種移動旅游者指南功能與可用性評價［124］。較傳統旅游研究對象，如旅游資源、旅游企業以及旅游者等，信息社會視角的旅游研究對象發生了擴展，如從旅游者的地理時空變化擴展到了在線旅游者行為變化，從旅游資源的空間格局擴展到了旅游網站的網絡結構等。在線旅游者行為研究中最受關注的是消費行為研究，如消費影響因素與滿意度［125］、忠誠度與推薦行為［126］、在線分享行為［127］。隨著社會網絡的形成，在線旅游者的情緒研究得到關注，如通過旅游者在論壇、博客(微博)上的評論分析旅游者情緒［3，108，128］，相關方法包含內容分析［3］、統計與語言學分析［128］、人工神經網絡方法［108］以及數據挖掘技術［127］等。一項研究還將旅游者的博客進行了計算機可視化，用來輔助其他旅游者的旅行計劃［129］。此外，旅游目的地營銷組織網站的旅游者在線行為也受到研究者的關注［101］。目的地地理尺度的旅游網站空間結構也受到研究者的關注，主要包含方法研究與案例研究。方法研究有統計方法［130］以及網絡拓撲圖方法［131－133］等;案例包含歐洲［131］、意大利厄爾巴島［132］以及河北?。?34］等。旅游虛擬社區是社會信息化背景下形成的新型社區，部分旅游研究者對其給予了關注，如針對具有中國文化背景的芒果社區網(Mango)的綜合性研究［135］。社會信息化下的旅游研究方法包含兩個方面的含義。一是指傳統旅游研究方法可借助社會信息化背景進行擴展，如網絡調查方法［1，136］擴展了傳統現場發放問卷的調查方法;基于射頻識別(RFID)與全球定位系統(GPS)技術的追蹤系統擴展了傳統旅游者游憩行為問卷調查方法，并提高了數據的精度［137，138］;遙感與地理信息系統(RS＆GIS)技術可提高旅游資源監測的準確性［139］等。二是指旅游研究方法對于信息科學方法與技術的借鑒。人工智能是旅游研究中采用最多的信息科學方法與技術，其在旅游研究中的應用可以分為以下幾個方面:①需求預測，如基于人工神經網絡的西班牙巴利亞利群島旅游時間序列預測［5］、遺傳算法在旅游需求預測中的應用［140］、模糊時間序列及灰色理論在短時間序列旅游需求預測中的應用［141］以及人工智能方法與其他預測方法的比較［142］;②在線行為分析，如基于機器學習(machinelearning)的在線消費者行為數據挖掘［127］;③基于主體(agent)的旅游系統仿真研究，采用人工智能研究領域的重要分支———多主體系統(multi-agentsystem，MAS)對多層面、多地理尺度旅游系統進行計算機仿真，探索旅游主體之間的相互作用與規律，如基于多主體的旅游空間結構演化研究［143］、旅游者在目的地［144］以及景區范圍的動態性研究［6］。計算機仿真方法與技術在旅游研究中的應用也受到了旅游研究者的關注，具體研究包含以下幾個方面:①預測，如旅游收入預測［145］;②旅游經濟研究，如區域旅游經濟系統動力學分析［146］;③旅游主體行為研究，如上述人工智能研究中基于主體的旅游系統仿真研究［6，143，144］。地理信息系統(GIS)是信息科學與地理科學的交叉研究領域，作為旅游研究的一種研究方法或工具，主要被用于旅游資源評價［147，148］。隨著移動終端設備在旅游者中的普及，旅游研究者對移動應用的相關研究給予了較大關注，如上下文適應的移動應用體系框架設計［149］、上下文相關的信息推動服務系統設計［150］以及用于博物館導游的多媒體技術研究［151］。語義網與本體是信息科學的前沿領域，但由于其對于提升面向旅游者的網絡服務質量具有非常重要的作用，也受到了旅游研究者的關注，如用于搜索引擎的旅游域語義表示研究［152］。智能系統作為信息科學的前沿領域，在旅游研究中也受到了關注，除了綜述性研究外［153］，還出現了有關智能系統設計方面的研究［154］。應用系統的規劃建議與系統結構設計是旅游研究者較為關注的信息技術研究，如基于知識管理視角的目的地管理系統設計［155］。而其中以我國的相關研究為最多，如贛東北網絡旅游信息系統研究［23］、上饒市旅游資源信息系統［156］。數字旅游是一種典型的旅游與信息技術的綜合叉研究主題，在我國旅游研究領域受到了關注，既包含了偏重技術的研究，如數字旅游的體系框架［157］，也包含了圍繞數字旅游系統建設的保障體系研究，如相關政策法規方面的研究［158］。

問題3:信息科學與旅游的交叉研究有哪些趨勢?盡管信息科學與旅游的交叉研究在近12年間經歷了快速發展，但其仍然屬于新興交叉學科，其發展需要相關學者更為廣泛與深入的探索研究。在本節，筆者在對最近12年信息科學與旅游的交叉研究進行系統整理的基礎上，通過捕捉旅游類與信息類研究共同關注的研究主題(表4)，以及基于筆者對信息科學以及旅游研究趨勢的把握，找到信息科學與旅游交叉研究中的研究重點，其反映了兩類科學的交叉發展趨勢，或者研究者們重新認識某些對該交叉領域的發展來講非常重要的問題。以下分別對它們進行闡述:人工智能方法與技術是信息技術發展的高級階段，研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術，涉及知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面的研究內容。盡管目前人工智能在旅游中的應用以旅游需求預測最為成熟，然而其相關理論、方法與技術并沒有在旅游領域中得到充分應用。如何充分利用人工智能方法與技術來有效處理與使用旅游數據、信息與知識，深入挖掘旅游者、旅游公共管理與服務部門以及旅游企業的特征、存在的問題并進行決策支持，是信息科學與旅游科學交叉研究中較為迫切與前沿的問題。語義網與本體研究是信息科學領域的前沿領域，是海量網絡信息之間相互理解的基礎?；ヂ摼W的發展使得傳統面向旅游者的“線下”服務擴展至“線上”，包含以傳統計算機為中心的和以新興各種移動終端為中心的“線上”服務，“線上”服務質量對于信息時代的旅游者體驗是非常重要的?；谡Z義網與本體技術的旅游推薦系統正是提升網絡服務質量的有效方法與工具，如何將語義網、本體技術以及旅游推薦系統進行理論、方法以及應用上的有效集成，使其對旅游者具有實際應用價值，是信息科學與旅游科學交叉研究中的另一個前沿問題。普適計算是我國目前形成研究熱點的物聯網應用的基礎。隨著移動終端設備及其應用的發展，傳統以計算機為中心的網絡服務擴展至以移動終端—旅游者為中心，基于普適計算模式的連接物與物、人與物、人與人的物聯網以及各種移動應用系統在旅游研究與實際應用中得到了重視。然而，無論是普適計算還是物聯網，在信息科學研究中都是前沿領域，存在許多未解問題，因此，普適計算以旅游領域為問題域或典型應用，將同時有助于其本身以及旅游問題的解決。

篇3

〔關鍵詞〕知識圖譜；專家系統；發展軌跡

DOI：10．3969／j．issn．1008－0821．2012．02．040

〔中圖分類號〕G250.71 〔文獻標識碼〕A 〔文章編號〕1008－0821（2012）02－0159－08

Knowledge-based Expert System Development Overview MapLiao Yi

（Political Department，National University of Defense Technology，Changsha 410073，China）

〔Abstract〕Artificial intelligence expert system is the most important and most active areas of an application,which implements the artificial intelligence research from theory to practice,turning from the general reasoning strategies of a major breakthrough in the use of expertise.This chronological order,the expert system into the 1980s before the 1980s,1990s,2000,after four stages.Articles using bibliometric methods,analysis of the expert system development process,development and trends,pointing out that the current phase is the development of expert systems,expert systems into a variety of commercial operation,need to address the knowledge acquisition bottleneck,matching conflicts and other issues for expert systems to understand and master the subject structure,evolution,development and so provide an unique perspective and knowledge.

〔Key words〕knowledge maps;expert systems;the development trajectory

專家系統作為人工智能的一個重要分支，發展已經超過50年，在很多應用領域都獲得了廣泛使用，取得了豐碩成果。本文運用文獻計量這一獨特視角對專家系統進行了再回顧和再分析，將智能科技劃分為初創期、成長期、低谷期、發展期，利用詞頻分析、共引分析、作者共現分析等方法揭示專家系統的學科結構、影響程度、關鍵節點與時間點等重要而獨特的知識，為了解和掌握專家系統的發展與演化過程提供了獨特視角。

1 數據來源

SCI（Science Citation Index）是美國科學情報研究所ISI（Institute for Science Information）出版的期刊文獻檢索工具，所收錄的文獻覆蓋了全世界最重要和最有影響力的研究成果，成為世界公認的自然科學領域最為重要的評價工具。本文以Web of Science中的SCI數據庫為數據來源，選用高級檢索方式，以“Expert System/Experts System”作為主題詞，于2011年5月在Web of Secience中進行檢索，一共檢索到14 500篇相關文獻記錄。獲得的年度分布如圖1。所示。雖然，專家系統研究從20世紀五六十年代就開始了，但是從圖1可以看出直到1982年才有主題詞與專家系統相關的論文出現。圖1表明1991年左右，專家系統相關論文達到了峰值，但隨后呈逐年下降的趨勢。到1999年，只有494篇。但21世紀開始，專家系統相關論文又出現了增加的趨勢，并維持在一個穩定的水平中。圖1 專家系統在SCI數據庫文獻發表年度變化情況

2012年2月第32卷第2期基于知識圖譜的專家系統發展綜述Feb.，2012Vol.32 No.22 專家系統前40年的發展

本文利用基于JAVA平臺的引文分析可視化軟件Citespace，首先設定時間跨度為1950-1991年，時間切片長度為1年，聚類方式為共被引聚類（Cited Reference），閾值選擇為（2，2，20）、（3，3，20）、（3，3，20）。Citespace得出這些引文的時間跨度為1950－1990年，可以繪制出該時間段的專家系統論文時區分布圖，如圖2所示。我們以年代先后為序，將20世紀80年代以前作為第一階段，80年代至90年代作為第二階段。圖2 1950-1991年各年度專家系統論文之間的時區分布圖

2.1 專家系統起源時期

根據圖2顯示，這段時期有7個突出節點，既有7位代表人物。第一個節點代表的是“人工智能之父”――英國著名科學家阿蘭?麥席森?圖靈（Alan Mathison Turing），他于1950年在《心靈》雜志上《計算機器與智能》，提出了著名的“圖靈測試”，探討了機器智能的可能性，為后來的人工智能科學提供了開創性的構思［1］。

第二個節點代表的是美國工程院院士、加州大學扎德（LA.Zadeh）教授，他于1965年在《信息與控制》雜志第8期上發表題為《模糊集》的論文，提出模糊集合理論，給出了模糊性現象定量描述和分析運算的方法，從而誕生了模糊數學。1978年，扎德教授提出了“可能性理論”，將不確定性理解為可能性，為模糊集理論建立了一個實際應用上的理論框架，這也被認為是模糊數學發展的第二個里程碑。同年，國際性期刊《International Journal of Fuzzy Sets and System》誕生，這使得模糊理論得到普遍承認，理論研究高速發展，實際應用迅速推廣。

第三個節點代表的美國兩院院士、卡內基-梅隆大學教授艾倫?紐厄爾（Allen Newell），1972年，他出版了《人怎樣解題》（Human Problem Solving)一書，書中描述了他和西蒙試圖建立一個計算機化的“通用問題求解器”的歷程：20世紀50年代，他們發現，人類的問題解決，在一定知識領域內可以通過計算機實現，所以他們開始用計算機編程來解決問題，1956年，他們研發出了邏輯理論家和通用問題求解器（General Problem Solver），并建立了符號主義人工智能學派。我們可以看出，這本書是對他以前所作工作的總結與歸納，而邏輯理論家和通用問題求解器正是專家系統的雛形，為專家系統的出現奠定了堅實的基礎。

但是艾倫?紐厄爾的嘗試無法解決大的實際問題，也很難把實際問題改造成適合于計算機解決的形式，并且對于解題所需的巨大搜索空間也難于處理。為此，美國國家工程院院士、斯坦福大學教授費根鮑姆（E.A.Feigenbaum）等人在總結通用問題求解系統成功與失敗的經驗基礎上，結合化學領域的專門知識，于1965年研制了世界上第一個專家系統dendral，可以推斷化學分子結構。專家系統進入了初創期，其代表有dendral、macsyma（數學專家系統）等，第一代專家系統以高度專業化、求解專門問題的能力強為特點，向人們展示了人工智能應用的廣闊前景［2］。

第四個節點代表人物是美國麻省理工學院著名的人工智能學者明斯基（Minsky）。1975年，他在論文《表示知識的框架》(A Framework for Representating Knowledge，McGraw-Hill)中提出了框架理論，框架理論的核心是以框架這種形式來表示知識。理論提出后，在人工智能界引起了極大的反響，并成為了基于框架的專家系統的理論基礎，基于框架的專家系統適合于具有固定格式的事物、動作或事件。

第五個節點代表人物是美國普林斯頓大學教授格倫謝弗（Glenn Shafer），他在1976年出版了《數學理論的證據》（A mathematical theory of evidence）一書，介紹了由他和Dempster于1967年提出的D-S理論（即證據理論）。證據理論可處理由不知道因素引起的不確定性，后來，該理論被廣泛應用于計算機科學和工程應用，是基于D-S證據理論的專家系統的理論基礎。

第六個重要節點代表是美國斯坦福大學愛德華?漢斯?肖特利夫（Shortliff EH）教授，他于1975年在著名雜志《數學生物科學》上發表《A model of inexact reasoning in medicine》（《在醫學模型的不精確推理》）一文，他結合自己1972－1974年研制的世界第一個醫學專家系統――MYCIN系統（用于診斷和治療血液感染及腦炎感染，是第二代專家系統的經典之作），提出了確定性理論，該理論對專家系統的發展產生了重大影響。

第七個節點代表人物是美國麻省理工學院計算機科學和人工智能實驗室的戴維斯（Randall Davis）教授，他于1976年提出元知識的概念，并在專家系統的研制工具開發方面做出了突出貢獻――研制出知識獲取工具Teiresias，為專家系統獲取知識實現過程中知識庫的修改和添加提供了工具［3］，關Teiresias，他于1977年在《Artificial Intelligence》雜志上中進行了詳細介紹，而這也為本時期專家系統的快速增多和廣泛應用奠定了堅實基礎。

20世紀70年代后期，隨著專家系統應用領域的不斷開拓，專家系統研發技術逐漸走向成熟。但同時，專家系統本身存在的應用領域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一等問題也被逐漸暴露出來。人們從各種不同類型的專家系統和知識處理系統中抽取共性，人工智能又從具體研究逐漸回到一般研究。圍繞知識這一核心問題，人們重新對人工智能的原理和方法進行探索，并在知識的獲取、表示以及知識在推理過程中的利用等方面開始出現一組新的原理、工具和技術。

2.2 專家系統發展的黃金時期

20世紀80年代是專家系統突飛猛進、迅速發展的黃金時代，根據圖2顯示，這段時期共有論文982篇，有7個突出節點。

1980年，出現了第一個節點代表――美國斯坦福大學計算機科學系系主任尼爾森（NILS J.NILSSON），他出版的《人工智能原理》（《Principles of artificial intelligence》）一書，表明了拉近理論和實踐的距離的目標，書中對基于規則的專家系統、機器問題解決系統以及結構對象的代表等都進行了具體的論述。

1981年，出現了第二個節點代表――英國赫特福德大學教授Clocksin，威廉F，他出版的《PROLOG語言編程》一書，引起了計算機科學界的極大興趣，并已被證明是一個重要的編程語言和人工智能系統的新一代基礎，是專家系統的重要編程語言。

1982年，出現了第三個節點代表――美國匹茲堡大學教授米勒（Miller RA），他在《英格蘭醫藥分冊》上發表了《基于計算機的醫學內科實驗診斷顧問》（An Experimental Computer based Diagnostic Consultant for General Internal Medicine.N Engl J Med,307,468-76,1982）一文，屬當時診斷專家系統的代表力作，書中介紹了著名的內科疾病診斷咨詢系統INTERNIST-1，之后將其不斷完善成改進型INTERNIST-2，即后來的CADUCEUS專家系統，其知識庫中包含了572種疾病，約4 500種癥狀。

1983年，出現了第四個節點代表――美國的海斯羅斯（Hayes-Roth，F）教授，他于1983年發表著作《建立專家系統》，對專家系統建立的原則和要素、開發的生命周期等重要問題進行了詳細講解，為研究與開發各種類型的專家系統提供了理論依據。

1984年，出現了第五個節點代表――美國匹茲堡大學計算機科學、哲學和醫學教授布魯斯?布坎南（Bruce G.Buchanan），他于1984年發表著作《規則的專家系統：斯坦福啟發式編程項目Mycin實驗》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，這是有史以來關于醫療診斷系統MYCIN的實驗規則庫公布?；谝巹t的專家系統MYCIN是專家系統開發過程中一個里程碑，研究其開發思路與方法具有非常重要的意義。

1985年，出現了第六個節點代表――美國人工智能專家、加州大學教授哈蒙（Harmon P），他出版了《專家系統：人工智能業務》（《Expert systems：artificial intelligence in business》）一書。書中闡述了專家系統如何解決問題，代表知識，并得出推論，并介紹了人工智能的具體制度，確定了專家系統的市場。

1986年，出現了第七個節點代表――著名的專家系統學者沃特曼（Waterman DA），他出版了《專家系統指南》一書，該書對專家系統的概念、組成、建立過程、建立工具、應用領域等做了深入淺出的系統介紹與論述，是當時全面介紹專家研發與應用的經典書籍。

20世紀80年代初，醫療專家系統占主流，主要原因是它屬于診斷類型系統且容易開發。80年代中期，出現大量投入商業化運行的專家系統，為各行業帶來了顯著的經濟效益。從80年代后期開始，大量新技術成功運用到專家系統之中，使得專家系統得到更廣泛的運用。在這期間開發的專家系統按處理問題的類型可以分為：解釋型、預測型、診斷型、設計型等。應用領域擴展到農業、商業、化學、通信、醫學等多個方面，成為人們常用的解決問題的手段之一。

然而，與此同時，現有的專家系統也暴露出了自身嚴重的缺陷，使不少計算機界的知名學者對專家系統產生了懷疑，認為專家系統存在的問題有以下幾點：（1）專家系統中的知識多限于經驗知識，極少有原理性的知識，系統沒有應用它們的能力；（2）知識獲取功能非常弱。為了建造專家系統，必須依賴于專家獲取知識， 不僅費時， 而且很難獲取完備性和一致性的知識；（3）求解問題的方法比較單一，以推理機為核心的對問題的求解尚不能反映專家從認識問題到解決問題的創造性過程；（4）解釋功能不強［4］。等到學者們回過頭重新審視時，20世紀90年代的專家系統理論危機已然爆發。

3 90年代專家系統向多個方向發展

由于20世紀80年代專家系統研究迅猛發展，商業價值被各行各業看好，導致90年代大批專家系統從實驗室走出來，開始了它們的工程化市場化進程。從圖1看以看出，在20世紀90年代，專家系統的相關論文不增反減，進入一個局部低谷期，這期間以“Expert System/Experts System”為主題詞的論文共7 547篇。本文利用Citespace軟件，設置參數為（4，4，20）（4，3，20）（4，4，20），獲取了該時期論文的引文聚類圖（如圖3所示）。圖2 專家系統1990－2000年的論文引文聚類圖

從圖3中我們可以看出，全圖的節點比較分散，沒有形成大的聚類，這表示該階段沒有形成重點研究方向，也沒有重大科研成果和標志性著作產生，專家系統的市場化進程嚴重牽引了研究者們的注意力，這是專家系統研究陷入低谷期的重要原因。

這段時間專家系統的研究工作大致分以下幾個方面：第一個研究方向依舊是建立在扎德（LA.Zadeh）教授模糊理論上的模糊專家系統，它同樣是該年代專家系統研究的重點方向。

第二個研究方向是骨架專家系統，代表人物有美國斯坦福大學的愛德華?漢斯?肖特利夫（Shortliff EH）教授。1974年末，MYCIN系統基本建成后，MYCIN的設計者們就想到用其它領域的知識替換關于感染病學的知識，可能會得到一個新的專家系統，這種想法導致了EMYCIN骨架系統的產生。EMYCIN的出現大大縮短了專家系統的研制周期，隨后，AGE、OPS5、KEE、KBMS、GESDE等骨架系統應運而生，它們在20世紀90年代專家系統的研究進程中，發揮著重要作用。

第三個研究方向是故障診斷專家系統，代表人物有美國麻省理工學院的蘭德爾?戴維斯（Randall Davis）教授。他于1984年在《人工智能》雜志上發表了《基于結構和行為的診斷推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，該論文描述了一個利用知識結構和行為，在電子電路領域進行故障診斷排除的專家系統。之后，故障診斷專家系統在電路與數字電子設備、機電設備等各個領域已取得了令人矚目的成就，已成為當今世界研究的熱點之一。

第四個研究方向是基于規則的專家系統，布魯斯?布坎南（Bruce G.Buchanan）的著作對基于規則的專家系統在這個時期的發展仍有著積極的指導作用。多種基于規則的專家系統進入了試驗階段。傳統基于規則的專家系統只是簡單的聲明性知識，而目前，規則的形式開始向產生式規則轉變，并趨向于提供較完善的知識庫建立和管理功能。

第五個研究方向是知識工程在專家系統中的運用。代表人物是美國斯坦福大學的克蘭西教授（Clancy W J），他于1985年在《人工智能》雜志上發表了重要論文《啟發式分類》（《Heuristis classification》），啟發式分類即對未知領域情況的類的識別過程。它是人類思維解決問題的重要方法，在人工智能、專家系統中可常用啟發式設計計算機程序，模擬人類解決問題的思維活動。

第六個研究方向是機器學習在專家系統中的運用。代表人物是機器學習領域前輩、澳洲悉尼大學著名教授John Ross Quinlan。他于1986年在《機器學習》（《Mach.Learn》）雜志上發表《決策樹算法》（《Induction of Decision Trees》）一文，文中他詳細描述了決策樹算法的代表――ID3算法。之后，有大量學者圍繞該算法進行了廣泛的研究，并提出多種改進算法，由于決策樹的各類算法各有優缺點，在專家系統的實際應用中，必須根據數據類型的特點及數據集的大小，選擇合適的算法。

第七個研究方向是神經網絡專家系統，代表人物有人工智能專家Stephan I.Gallant和美國加利福尼業大學教授巴特?卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上發表了《連接主義專家系統》（《Connectionist expert systems》）一文，文中講述Gallant 設計了一個連接主義專家系統（Connectionist expert system），其知識庫是由一個神經網絡實現的（即神經網絡知識獲?。?，開創了神經網絡與專家系統相結合的先例。

第八個研究方向是遺傳算法在專家系統中的運用。代表人物是遺傳算法領域著名學者、美國伊利諾伊大學David Goldberg教授和人工智能專家L.Davis。1989年，Goldberg出版了專著《搜索、優化和機器學習中的遺傳算法》，該書系統總結了遺傳算法的主要研究成果，全面而完整地論述了遺傳算法的基本原理及其應用；1991年，Davis編輯出版了《遺傳算法手冊》，書中包含了遺傳算法在科學計算、工程技術和社會經濟中的大量應用實例，該書為推廣和普及遺傳算法的應用起到了重要的指導作用。這些都推動了基于遺傳算法的專家系統的研發推廣。

第九個研究方向是決策支持系統在專家系統中的運用，代表人物是美國加利福尼亞大學伯克利分校教授埃弗雷姆?特班（Efraim Turban）。他于1990年出版了《決策支持和專家系統的管理支持系統》（《Decision support and expert systems:management support systems》）一書。20世紀80年代末90年代初，決策支持系統開始與專家系統相結合，形成智能決策支持系統，該系統充分做到了定性分析和定量分析的有機結合，將解決問題的范圍和能力提高到一個新的層次。

第十個研究方向是各種理論知識在專家系統中的綜合運用，代表人物是美國加利福尼業大學教授巴特?卡斯科（Bart Kosko）和美國伊利諾伊州研究所教授Abdul-Rahman K.H?？ㄋ箍疲↘osko）于1992年出版《神經網絡和模糊系統：一個擁有機器智能的動力系統方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一書，這是第一本將神經網絡和模糊系統結合起來的讀本，也是神經網絡與模糊理論綜合應用于專家系統建設的經典著作；Abdul-Rahman K.H教授于1995年，在美國電氣和電子工程師協會的《電力系統及自動化》（《Transactions on Power Systems》）會議刊上發表了《人工智能模糊無功負荷的最優VAR控制方法 》（《AI approach to optimal VAR control with fuzzy reactive loads》）一文，論文提出了一個解決無功功率（VAR）控制問題，這個方法包含了專家系統、模糊集理論和人工神經網絡的重要知識。

雖然專家系統大量建造，但投入實際運行的專家系統并不多，且效率較低，問題求解能力有待進一步提高。原因之一就是專家系統主要是模擬某一領域中求解特定問題的專家的能力，而在模擬人類專家協作求解方面很少或幾乎沒有做什么工作。然而在現實世界中，協作求解具有普遍性，針對特定領域、特定問題的求解僅僅具有特殊性，專家系統雖然在模擬人類專家某一特定領域知識方面取得了成功，但它仍然不能或難以解決現實世界中的問題。其次，開發的專家系統的規模越來越大，并且十分復雜。這樣就要求將大型專家系統的開發變成若干小的、相對獨立的專家系統來開發，而且需要將許多不同領域的專家系統聯合起來進行協作求解。然而，與此相關的分布式人工智能理論和實用技術尚處在科研階段。只有分布式系統協作求解問題得以解決，才能克服由于單個專家系統知識的有限性和問題求解方法的單一性等導致系統的“脆弱性”，也才能提高系統的可靠性，并且在靈活性、并行性、速度等方面帶來明顯的效益［5］。

4 21世紀專家系統進入穩定發展時期

進入21世紀，專家系統開始緩慢發展，這期間以“Expert System/Experts System”為主題詞的論文共5 964篇。本文利用Citespace軟件，設置參數為（6，6，20）（5，5，20）（5，5，20），獲取了該時期論文的引文聚類圖（如圖4所示）。圖4 專家系統2000－2010年的論文引文聚類圖

這個時期專家系統有3個主要研究方向：第一個是研究方向是節點明顯的基于模糊邏輯的專家系統研究方向。90年代以來，模糊控制與專家系統技術相結合，進一步提高了模糊控制器的智能水平?；谀：壿嫷膶＜蚁到y有以下優點：一是具有專家水平的專門知識，能表現專家技能和高度的技巧以及有足夠的魯棒性（即健壯性）；二是能進行有效的推理，能夠運用人類專家的經驗和知識進行啟發性的搜索和試探性的推理；三是具有靈活性和透明性。

第二個是研究方向是Rete模式匹配算法在專家系統中的應用，代表人物是美國卡內基―梅隆大學計算機科學系的Charles L.Forgy教授，1979年，他首次提出Rete算法。專家系統工具中一個核心部分是推理機，Rete算法能利用推理機的“時間冗余”特性和規則結構的相似性，并通過保存中間運算結果的方法來提高推理的效率。1982年，他在《人工智能》雜志上發表《Rete算法：許多模式／多對象的模式匹配問題的一個快速算法》（《Rete:A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》）一文，該文解釋了基本算法的概念，介紹了詳細的算法，描述了模式和適當的對象交涉算法，并說明了模式匹配的執行操作。

第三個是研究方向是專家系統在電力系統中的運用。世界各國的專家們開始熱衷于在電力生產的各個環節使用專家系統，代表人物有日本的福井賢、T.Sakaguchi、印度的Srinivasan D、美國伊利諾伊州研究所的Abdul-Rahman K.H、希臘雅典國立技術大學的Protopapas C.A、和中國的羅旭，他們在美國電氣和電子工程師協會的《電力傳輸》（《IEEE transactions on power delivery）會議刊及《電源設備系統》會議刊（《On Power Apparatus and Systems》）上發表了多篇有影響力的論文，內容涉及系統恢復、電力需求預測、變電站故障診斷和報警處理等多方面。

這十年間，專家系統的研究不再滿足于用現有各種模型與專家系統進行簡單結合，形成基于某種模型的專家系統的固有模式。研究者們不斷探索更方便、更有效的方法，來解決困擾專家系統的知識獲取瓶頸、匹配沖突、組合爆炸等問題，而這也推動了研究不斷向深層次、新方向發展。但是，由于專家系統應用的時間長、領域廣，他們遭遇的瓶頸問題一時得不到有效解決，導致了這一時期末，專家系統研究呈現出暫時的下滑現象。

5 專家系統發展趨勢分析

圖一發展曲線上第二個時間節點是1992年，從該年起專家系統相關論文呈下降趨勢，然后在2002年又開始緩慢增長，近一年多來又開始下降，這標志著專家系統研究在布滿荊棘的道路上前行，前景是光明的，但道路是曲折的。本文以5年為一個單位，統計了1990－2009年20年期間專家系統相關論文中高頻詞的變化情況，如表1所示，從該表可以獲得這個時期專家系統研究的一些特點。

（1）在1990-1999年期間，人工智能出現新的研究，由于網絡技術特別是國際互連網技術發展，人工智能開始由單個智能主體研究轉向基于網絡環境下的分布式人工智能研究，使人工智能更加實用，這給專家系統帶來了發展的希望。正因為如此，我們從詞頻上可以看出，人工智能（artificial intelligence）一詞在這十年一直位居前兩位，在專家系統研究中處于主導地位，而與其相關的知識表示（knowledge representation）、知識獲取(knowledge acquisition)等，也成為了學者們研究的重點方向。

（2）該時期的第二個特點是神經網絡研究的復蘇。神經網絡是通過模擬人腦的結構和工作模式，使機器具有類似人類的智能，如機器學習、知識獲取、專家系統等。我們從詞頻上可以看出神經網絡（neural network）一詞得以快速增長，1995年時位列第一，進入21世紀也是穩居第二位，神經網絡很好地解決了專家系統中知識獲取的瓶頸問題，能使專家系統具有自學習能力，它的出現為專家系統提供了一種新的解決途徑［6］，同時也顯示出他獨有的生機與活力。

（3）該時期是模糊邏輯的發展時期。模糊理論發展至今已接近三十余年，應用范圍非常廣泛，它與專家系統相結合，在故障診斷、自然語言處理、自動翻譯、地震預測、工業設計等方面取得了眾多成果。我們從詞頻上可以看出，模糊邏輯（fuzzy logic）一詞，除在1990－1994年期間位居第六位外，之后都位居前三甲，2000-2004年期間更是位列第一。模糊控制與專家系統技術相結合，進一步提高了模糊控制器智能水平，這種控制方法既保持了基于規則的方法的價值和用模糊集處理帶來的靈活性，同時把專家系統技術的表達與利用知識的長處結合起來，能處理更廣泛的控制問題。

（4）故障診斷成為專家系統研究與應用的又一重要領域。故障診斷專家系統的發展起始于20世紀70年代末,雖然時間不長,但在電路與數字電子設備、機電設備等各個領域已取得了令人矚目的成就,已成為當今世界研究的熱點之一。這從高頻詞分布可以開出，故障診斷（fault diagnosis）從1995-1999年間的最后一位攀升至2005-2009年間的第一位，足見其強大的生命力。在專家系統己有較深厚基礎的國家中，機械、電子設備的故障診斷專家系統已基本完成了研究和試驗的階段，開始進入廣泛應用。

（5）遺傳算法的應用逐漸增多。20世紀90年代，遺傳算法迎來了發展時期，無論是理論研究還是應用研究都成了十分熱門的課題。尤其是遺傳算法的應用研究顯得格外活躍，不但應用領域擴大，而且利用遺傳算法進行優化和規則學習的能力也顯著提高。進入21世紀，遺傳算法的應用研究已從初期的組合優化求解擴展到了許多更新、更工程化的應用方面。這在高頻詞分布中可以看出，以2000作為臨界點，遺傳算法（genetic algorithms）從20世紀90年代的10名之后，到位于高頻詞前六強之中，充分反映出它發展的良好勢頭。

6 小 結

專家系統是20世紀下半葉發展起來的重大技術之一，它不僅是高技術的標志，而且有著重大的經濟效益?！爸R工程之父”E.Feignbaum在對世界許多國家和地區的專家系統應用情況進行調查后指出：幾乎所有的ES都至少將人的工作效率提高10倍，有的能提高100倍，甚至300倍［7］。

專家系統技術能夠使專家的專長不受時間和空間的限制，以便推廣稀缺的專家知識和經驗；同時，專家系統能促進各領域的發展，是各領域專家專業知識和經驗的總結和提煉。

專家系統發展的近期目標，是建造能用于代替人類高級腦力勞動的專家系統；遠期目標是探究人類智能和機器智能的基本原理，研究用自動機模擬人類的思維過程和智能行為，這幾乎涉及自然科學和社會科學的所有學科，遠遠超出了計算機科學的范疇。

隨著人工智能應用方法的日漸成熟，專家系統的應用領域也不斷擴大。有人類活動的地方，必將有智能技術包括專家系統的應用，專家系統將成為21世紀人類進行智能管理與決策的工具與助手。

參考文獻

［1］百度百科［EB］.http:∥baike.省略/view/2130.htm．

［2］黃可鳴.專家系統二十年［J］.計算機科學，1986，（4）：26-37.

［3］路耀華.思維模擬與知識工程［M］.北京：清華大學出版社，1997．

［4］趙致琢.專家系統研究［J］.貴州大學學報：自然科學版，1990，（6）：40-48.

［5］鄒光宇.專家系統發展現狀及其應用前景［J］.電力勘測，1994，（3）：21-26.

篇4

一、機電一體化的產生與應用

我國從20世紀80年代開始開展機電一體化研究和應用。取得了一定成果，它的發展和進步依賴并促進相關技術的發展和進步。機電一體化已成為一門有著自身體系的新型學科，隨著科學技術的不斷發展，還將被賦予新的內容。

二、機電一體化的發展現狀

機電一體化的發展大體可以分為3個階段。20世紀60年代以前為第一階段，這一階段稱為初級階段。在這一時期，人們利用電子技術的初步成果來完善機械產品的性能。特別是在第二次世界大戰期間，戰爭刺激了機械產品與電子技術的結合，這些機電結合的軍用技術，戰后轉為民用，對戰后經濟的恢復起了積極的作用。那時研制和開發從總體上看還處于自發狀態。由于當時電子技術的發展尚未達到一定水平，機械技術與電子技術的結合還不可能廣泛和深入發展，已經開發的產品也無法大量推廣。

篇5

關鍵詞:選煤;自動化;技術;要求

中圖分類號:TD5 文獻標識碼:B 文章編號:1009-9166(2010)020(C)-0108-01

一、概述

實現選煤廠綜合自動化是我國選煤工業發展的必然趨勢,隨著潔凈煤技術的研究,作為潔凈煤技術的源頭技術――選煤方法,取得了很大發展,發展選煤技術就是要謀求短期的經濟效益和長期的社會效益、環境效益相統一,選煤綜合自動化技術更是選煤技術的重中之重,這里包括選煤廠生產自動化、操作參數優化、產品質量預測與控制智能化、管理與銷售信息化以及各個系統的集成綜合自動化,這些技術的實現對選煤技術的發展有著積極的推動作用。

二、煤綜合自動化對選煤技術的要求

(一)故障診斷技術

現代化選煤廠的發展趨勢是工藝流程簡化、設備大型化、單臺化(取消了備用設備)。與此同時,目前選煤廠用的各類大型機電設備(主要指國內設備)和檢測儀器普遍存在穩定性、可靠性差等缺點,要想實現選煤廠的綜合自動化,必須大力發展故障診斷技術?？紤]到選煤廠設備分散布置的特點,開發分布式故障診斷系統成為必然,其中基于Multi―Agents System技術的分布式人工智能技術作為一種建立在分布式控制結構基礎上的智能手段的集成方法,以其特有的優勢正日益受到人們重視。

作為解決選煤過程故障診斷的Multi―Agents系統,利用并行分布式處理技術和模塊化設計思想,把選煤過程分解成相對獨立的智能體子系統,通過智能體之間的合作與競爭來完成對復雜故障問題的求解。通過實施基于多Agents的故障診斷技術,可使選煤過程始終保持在良好的狀態生產中,變定期維修制度為預知維修,縮短維修時間,為選煤綜合自動化的最終實現提供技術保障。

(二)先進控制、智能控制技術

近年來,隨著人工智能技術和其他信息處理技術,尤其是信息論、系統論和控制論的發展,智能控制在控制機理和應用實踐方面均取得了突破性的進展。遺傳算法與模糊邏輯、神經網絡相互融合,通過模擬人類思維方式和結構來設計用于解決復雜的各種非線性問題的控制策略,并已在各種實際工程中得到應用,取得了良好的效果。

通過知識工程方法將有關對象的定性知識、人的經驗知識與技巧和啟發式邏輯推理有效地集成起來,構成知識庫系統,以支持系統控制策略和算法的優選及運行狀態的優化。利用神經網絡對于復雜無模型不確定問題的自適應能力和學習能力,可以用于控制系統的補償環節和自適應環節,以及非線性系統的辨識和控制。其快速優化的計算能力,可用于復雜控制問題的優化計算;同時充分發揮各種智能方法和技術的特長,通過它們的有機結合,形成互補的綜合智能集成技術,為選煤工業過程控制和優化提供強有力的技術支撐。

(三)軟測量技術

選煤工業屬于典型的流程工業,縱觀世界范圍內流程工業的發展,目前,正在由簡單控制向先進控制、智能控制,由單一控制向綜合自動化方向即CIPS方向發展,目前在過程控制領域,智能儀表快速增加,依靠過程信息進行統計診斷和過程統計控制,是高度自動化的關鍵,要實現高精度在線實時決策,軟測量技術的重要性凸顯出來。在大力加強和完善傳統傳感器和儀表精度與可靠性的同時,尋求檢測技術新機理、新方法來提高選煤廠在線檢測水平,擴大選煤廠檢測、監控工藝參數范圍,滿足選煤綜合自動化發展需求是一個重要的研究方向。

軟測量技術可在一定程度上代替現有的人工分析和在線分析儀測量某些分析指標,是對生產過程進行先進控制和優化控制的前提和基礎。開發高性能的軟測量儀表也是在尚未解決過程參數,尤其是質量參數的“硬”測量技術前提高選煤工程綜合自動化的關鍵。軟測量技術為選煤工業重要工藝參數的檢測、監控乃至控制提供了檢測、測量的新思路,可對選煤工業現有傳感器品種不足提供重要補充。

(四)數據挖掘和知識發現

如何從過去的數據中發現有用的信息,提取有用的知識,把所獲得的知識用于過程監控,提高過程自動化水平,實現生產過程的操作管理、控制一體化是值得研究的課題。數據挖掘與知識發現技術應用于過程監控是近幾年的事,顯示了巨大潛力。過程監控數據挖掘和知識發現方法可以按不同的方法進行分類,根據功能和應用目的,過程監控中的數據挖掘與知識發現方法可概括為:特征提取、聚類與分類、相關與依賴分析和綜合。知識發現是一個復雜的過程,過程監控中數據挖掘與知識發現是一種新技術,還沒有形成完整的理論體系,其應用都是針對具體問題展開研究。

結束語:近年來,美國、德國、英國和澳大利亞等國相繼開發成功并使用了各種在線檢測裝置,實現了選煤廠受煤系統、重介質系統、跳汰系統、浮選系統、干燥系統和裝車系統的自動控制,選煤廠入料也實現了均質化,這些自動化裝置配合計算機集成過程系統,為選煤廠保證產品質量和提高產率起到了重要作用,對于加快選煤過程綜合自動化的進程,推動選煤工業的發展具有重要意義。

作者單位:淮南礦業集團張集選煤二廠

參考文獻:

[1]唐曉萍.數據挖掘與知識發現綜述[J].電腦開發與利用,2003.

篇6

美國麻省大學(University of Massachusetts Amherst)阿默斯特校區(以下簡稱麻省大學)是馬薩諸塞州立大學系統五個校園中的主校園,是美國知名的研究型大學。該校創辦于1863年,坐落在美國東部美麗的新英格蘭地區。

麻省大學計算機系成立于1964年,其研究生教育也有超過40年的發展歷史。由最初的3名教授發展到現在擁有43名教授,其中包括9名ACM計算機學會(Association for Computing Machinery)院士(Fellow)、4名電子和電氣工程師協會(IEEE)院士、5名人工智能學會(AAAI)院士和2名美國科學促進協會(AAAS)院士。麻省大學計算機系在人工智能、網絡與分布式系統、計算理論等多個領域的研究處于世界領先水平。作為美國知名的計算機系,麻省大學計算機系的教育理念是“培養下一代能以創新的方法解決真實世界問題的計算機科學家”(cs.umass.edu/grads/msphd-requirements)。在這個核心思想的指導下,該系非常注重對博士研究生的培養,為了達到培養學生具備進行原創性科學研究(Original Research)的能力的教育宗旨,該系制定了一套非常嚴格的課程計劃,以培養學生堅實而廣博的基礎知識、良好的科學研究方法和思維習慣。麻省大學計算機系每年大約會收到1000份左右來自世界各國的優秀學生的申請,攻讀其博士學位,而錄取的人數一般保持在30名左右。完善和嚴格的博士研究生培養體系、開放而先進的教育理念,使麻省大學計算機系成為全美最具有競爭力的計算機院系之一。

麻省大學計算機系招收兩種形式的博士研究生:碩士/博士連讀研究生和直博研究生。只有在美國其他大學獲得相應計算機碩士學位,并修完麻省大學計算機系認可的相關課程的學生,才有資格申請直接攻讀博士學位;否則,學生在錄取后必須經過碩士/博士的連續培養才能獲得博士學位。

無論哪種形式,麻省大學計算機系博士生培養大體分為兩個階段:博士生資格學習階段和博士生研究階段。博士生資格學習階段主要是對學生進行基礎知識培養和基本研究能力訓練。學生只有在通過博士資格考試論證,成為正式博士候選(PhD Candidate)人后,才能進入下一步的博士論文研究階段學習。以下是麻省大學計算機系對碩士/博士研究生的培養要求:

(1)Actively participate in research under the guidance of an advisor(在導師的指導下,積極參與研究)

(2)Satisfy 6 Core Requirements (完成6門核心課程的要求)

(3)Complete 42 course credits (core courses taken to satisfy core requirements are included)(完成42個課程學分,其中包括核心課程的學分)

(4)Complete a 6-credit MS Project (完成6個學分的碩士研究項目)

(5)Graduate with an M.S. Degree(申請獲得碩士學位)

(6)Pass the Department Qualifying Exam- Portfolio(通過博士資格考試)

(7)Form a Committee(成立答辯委員會)

(8)Propose a Thesis(提交博士開題報告)

(9)Complete 18 Dissertation Credits (完成18個學分博士論文)

(10)Pass the Teaching Assistant Requirement(完成助教的工作要求)

(11)Pass the Residency Requirement (at least 9 credits in back-to-back semesters) (完成連續兩個學期修9個學分的要求)

(12)Defend and Submit a Thesis (博士答辯和提交博士論文)

本文將以麻省大學計算機系為例,探討美國計算機專業博士研究生培養的一個重要環節――博士研究生課程教育體系的特點,以期為提高我國的計算機專業博士生教育提供借鑒。

2掌握牢固的理論知識是培養優秀博士生的基礎

美國的計算機博士教育非常注重對學生基礎理論知識的培養,為了使學生掌握牢固而廣博的基礎知識,麻省大學計算機系要求每個碩士/博士研究生必須修完6門博士核心課程,而且成績必須達到B+以上。這些核心課程分別屬于計算機科學的三大領域:理論(Theory)、系統(Systems)和人工智能(Artificial Intelligence),課程設置具體如下:

(1) 理論核心課:計算理論(Computation Theory)、高級算法(Advanced Algorithms)

(2) 系統核心課:有三組課程,分別是:

編譯技術(Compiler Techniques)、現代計算機體系結構(Modern Computer Architecture)

數據庫設計和實現(Database Design and Implementation)、高級計算機網絡(Advanced Computer Networking)、操作系統(Operating Systems)

高級軟件工程I(Advanced Software Engineering: Synthesis and Development)、高級軟件工程II(Advanced Software Engineering: Analysis and Evaluation)、程序設計語言(Programming Languages)

(3) 人工智能核心課程:高級人工智能(Artificial Intelligence)、機器人學(Robotics)、信息檢索(Information Retrieval)、不確定環境下的推理(Reasoning and Acting under Uncertainty)、增強型學習(Reinforcement Learning)、機器學習(Machine Learning: Pattern Classification)

根據不同的研究方向,學生可以在六門核心課程的選擇上有所不同,但為了加強理論基礎和掌握知識的廣度,無論哪個研究方向的學生,都必須修完兩門理論核心課程和一門高級人工智能課程,同時,再根據自己的研究方向選修其他三門核心課程。例如,一個系統方向的博士研究生除了修完以上兩門理論和一門人工智能課程以外,還必須修完來自于系統方向不同組的三門系統方向的課程;而一個人工智能方向的博士生則必須修完另外兩門人工智能方向的核心課程和一門系統方向的核心課程。

每門核心課程由教師講授一學期,其中每星期2次課,每次2小時,3個學分。根據內容不同,每門課程一般要安排5～8次書面作業、1次期中考試和1次期末考試。其中,對系統方向的課程來說,每個章節完成后一般還有一次課程項目設計(Course Project),主要要求學生實現相應的算法和進行性能評價。由于核心課程要求高,課程學習內容多,導師和系里會建議學生每學期選學不超過一門的核心課程,所有6門核心課程則在三年內完成。如果成績沒有達到B+,麻省大學計算機系允許學生重修該核心課;但是,如果學生在規定的博士資格考試申請時間前沒有通過全部的6門核心課,則不再具備繼續攻讀博士的資格。

嚴格的核心課程作業、考試制度和淘汰制度,不但使學生牢固掌握了計算機科學各領域的基礎知識,培養了學生勤奮刻苦的專研精神,而且極大地豐富了學生的視野,為學生進入實際科學研究打下了堅實的基礎。

3靈活而完善的博士生選修課程體系是培養創新型人才的重要途徑

美國一流研究型大學博士生教育的目標是培養世界一流的科學家和拔尖創新型人才,為了實現這個目標,美國的博士生教育除了注重培養學生扎實和精深的基礎知識外,還非常注重培養學生的創新思維和發現新問題的探索精神及能力。

如果核心課程體系的設置是培養優秀博士生的基礎,是向學生傳授學科領域的重要基本知識和原理與技術,是學生全面掌握計算機基本理論與方法的重要途徑,那么,選修課的設置則是對學科基本知識的補充,是培養學生學習新的知識和了解并探索前沿研究方向,從而成為創新型人才的重要手段。

麻省大學計算機系的做法是,在博士研究階段,除了要求學生完成18個學分(6門)的核心課程學習以外,還要求完成24個學分(8門)的非核心課程(或稱為選修課)學習。這些選修課大多是關于本學科及相關專業前沿領域近3～5年的新研究方向、研究方法或新技術的相關內容的介紹,一般由教師在每學期開學前提出新的課程計劃,學生則根據自己的研究興趣和職業目標自由選課。通過課程的學習,學生能在最短的時間內了解本學科相關領域的最新研究現狀,更重要的是,在課程的學習過程中,教授會將許多新出現的問題在課堂上和學生討論,同時,通過2～3個課程項目培養學生獨立(或合作)解決新問題的能力,以及教會學生各種探索問題的研究方法。

在教學模式上,可以采用由教授主講的傳統方式,也可以采用以討論為主的方式。以教授為主講的教學模式在此就不再贅述,以下著重描述以討論為主的選修課教學模式。

以討論為主的Seminar是美國計算機院系的教授最常用的選修課教學模式。Seminar的課程設置沒有固定模式,但通常有以下幾方面的特點。

第一,課程的選題一般是近年新出現的有代表性的前沿研究課題。

第二,課程內容的選擇一般來自近年來該領域頂級國際會議的專題論文。

第三,課程內容的組織由教師完成。教師在確定題目后,一般會根據論文的情況將討論的內容分為多個子專題,每個子問題由3～4篇論文組成。課程的開始一般是綜述性的論文或在該領域出現的最早的學術論文,其目的是探討該研究方向出現的新的應用背景需求和所帶來的新的挑戰。其后的每個子專題則將對具體問題和方法進行深入探討。

第四,選課的學生人數一般在20～30人左右,而且通常是由學完了核心課程以后的高年級博士生組成。學生人數太少,論文的覆蓋面可能太小;學生太多,可能導致討論的深度不夠。同時,只有學完了基本理論后,學生才有可能具備較深入分析問題的能力。在Seminar的學習討論中,找到新的研究問題也是該課程設置的重要目的之一。

第五,課堂教學的模式基本上是教師和學生互動的教學方式。教師在第一節課引導學生對該領域的基本問題有了初步認識后,學生將對每篇論文進行評估(Review)、宣講(Presentation)和進行課堂討論。每篇論文的宣講時間是25～30分鐘,課堂討論時間是10～15分鐘。其中教師將引導學生對論文中所研究的問題和關鍵技術進行深入討論,學生參與討論的情況將作為課程考核的重要依據。

選擇合適的題目并對教學討論的內容(論文)進行篩選和組織對開課教師的要求非常高。為了準備一門新的Seminar課,教師一般需要預先通讀該研究方向所有重要國際會議的相關論文,然后根據不同的研究問題對論文分類,并將其中有代表性的論文提煉出來,作為課程學習的論文。在課程項目的設置上,教師會事先準備一些題目,如對某些算法的實現、評估和改進,實現原形系統等,同時也非常鼓勵學生在論文討論的過程中有針對性地提出自己的見解和新的解決問題的方法。

4合理的課程學習安排是培養高質量博士生的有效保證

美國的博士教育是以博士生的最終質量為評判標準,而不是以年限來規定學生的畢業時間。在美國計算機專業,培養一個碩士/博士生一般需要至少5年時間。由于強調博士生專業知識學習的深度和廣度,在整個博士學習階段,博士生都會積極參與課程的學習,并盡可能地將研究項目中的問題和課程學習聯系起來,用所學到的方法或思路來解決新問題。

以麻省大學計算機系為例,雖然學生的背景不同,但為了在保證質量的前提下幫助學生用最短的時間順利完成博士課程要求和博士論文要求,系里建議學生按如表1所示的時間表安排整個博士階段的學習計劃。

麻省大學計算機系不但在本系有完善的研究生課程體系,學生可以根據自己的研究興趣和職業規劃來自由選課,而且也鼓勵學生在其他相關院系選修本系沒有開設但對研究有用的課,如數學系或電子工程系的高級課程?？傊?美國博士教育的一個重要特點是強調基礎知識的學習,鼓勵學生以積極的態度參與到課程的學習中,同時訓練學生在課程學習的過程中逐步學會發現問題和研究問題的方法。

5啟示和建議

美國的博士教育強調堅實的基礎理論知識、完善的知識體系和用于探索與創新的研究能力,而這些恰恰是決定博士畢業生日后發展潛力的關鍵。長期以來,我國計算機博士教育主要是通過參與科研項目的形式來對學生進行培養,這種“研究項目驅動型教育”在我國恢復研究生教育的初期起到了很好的推動作用,培養了大批科研人才。但隨著教育本質的回歸和創新型人才培養的需要,從總體來看,我國的這種單純強調研究項目的教育模式培養的博士生,質量與國際先進水平相比還有一定的差距。由于沒有嚴格的博士課程要求和淘汰制度,學生在學習階段往往會忽略對基礎知識的學習和對知識結構的完善。長此以往,必然會影響博士生的研究水平和發展潛力,最終將會影響國家的整體創新能力。

筆者建議,為了使學生掌握牢固的專業基礎知識,同時培養學生在某一學科領域的研究興趣和基本的研究能力,應該首先強調核心課程體系的建設,不論哪個方向的學生都必須通過一定數量的核心課程的學習,如算法、分布式操作系統、人工智能等,這些核心課程應由教師來講授;同時,應嚴格課程的考核制度和課程評價體系。對于選修課,由于其主要目的是擴展學生的視野,培養學生分析問題和研究問題的能力,所以應借鑒國內外Seminar課程的成功經驗,積極有效地激勵教師和學生共同上好Seminar課。

博士生教育是一項復雜而艱巨的系統工程,而其中的課程學習是研究生培養中非常重要的一個環節,如何通過嚴格的培養機制和靈活的培養方法,在給學生傳授基礎知識的同時培養學生分析問題和解決問題的能力;如何將合理的研究生課程體系和研究項目結合起來,嚴格博士生培養機制,完善博士生資格評估體系,從制度上保障博士研究生的質量;以及如何真正教會學生探索科學基本問題的方法,培養學生良好的科研習慣和勇于開拓創新的精神等,是我們在計算機學科建設中應該進一步思考的問題。

篇7

關鍵詞：應急； 預測； 支持向量機； 人工神經網絡 ；案例推理法

一、引言

“預測”這一件事，從古到今都是人們苦苦追求與探索的話題：從“先知三日，富貴十年”到“凡事預則立，不預則廢”；從活躍在中國民間的算命先生，再到西方觀測星象的占卜師，無不寄予著世人對未知的好奇和對未來的向往。隨著科技進步與時展，特別是計算機技術的飛躍，給予人們更強大、更客觀的手段和方法進行預測。本文以應急物資需求為背景，通過對各類預測方法的介紹和對比，為應急物資的需求預測尋求最佳途徑。

二、預測方法分類及研究現狀

由于預測的對象、目標、內容和期限的不同，近幾十年來形成了多種多樣的預測方法。據不完全統計，目前世界上有近千種預測方法，其中較為成熟的有150多種，常用的有30多種，用得最為普遍的有10多種，但目前為止還沒有一個完整、統一、系統的分類體系。本文依照我國常用的分類方法，將預測方法分為定性分析和定量分析兩大類。

1. 定性分析預測法

定性分析預測法是指預測者根據歷史與現實的觀察資料，依賴個人或集體的經驗及智慧，對未來的發展狀態和趨勢做出判斷的預測方法。其主要方法包括專家意見法、頭腦風暴法和德爾菲法等。定性預測的優點在于，能夠較大程度地發揮人的主觀能動作用，簡單迅速，省時省力，具有較大的靈活性；同時它的缺點也是顯而易見的：由于它較為依賴于人的經驗和主觀判斷能力，從而易受人的知識、經驗和能力的多少大小的束縛和限制，尤其缺乏對事物發展作數量上的精確描述。因此，定性分析預測法在現代預測技術中逐漸淡出，定量分析預測法成為預測的主要手段。

2. 定量分析預測法

定量分析預測法主要依據調查研究所獲取的數據資料，運用統計方法和數學模型，近似地揭示預測對象及其影響因素的數量變動關系，建立對應的預測模型，據此對預測目標做出定量測算的預測方法。它通?？煞譃闀r間序列分析預測法和因果分析預測法。

（1）時間序列分析預測法

時間序列分析預測法是以連續性預測原理作指導，利用歷史觀察值形成的時間數列，對預測目標未來狀態和發展趨勢做出定量判斷的預測方法。較為常用的時間序列分析預測法主要有指數平滑法（包括雙指數平滑、三次指數平滑和無季節指數平滑等）、移動平均法、ARIMA模型（也稱Box-Jenkins法）等。

（2）因果分析預測法

因果分析預測法是以因果性預測原理作指導，以分析預測目標同其他相關事件及現象之間的因果聯系，對事件未來狀態與發展趨勢做出預測的定量分析方法。較為常用的主要有回歸分析預測法、計量經濟模型預測法和投入――產出分析預測法等。隨著數學方法在計算機上的運用和實現，經濟學的研究與數學和計算機科學的聯系更為緊密。近年來，許多人工智能預測模型層出不窮，極大豐富了預測的方法和手段。

三、應急物資需求預測的研究現狀

應急物資是指為應對自然災害、事故災難、公共安全事件和社會安全等突發性公共事件應急處置過程中所必需的保障性物資。應急物資的需求是應急物資保障的首要環節，它具有時間上和數量上的不確定性等特點。因此，做好應急物資的需求預測有著重要的現實意義。就國內目前的研究來看，主要體現在運用人工智能方法構建預測模型，時下最流行、使用最廣泛的方法有CBR（案例推理法），ANN（神經網絡模型），SVM（支持向量機模型）等。

1.案例推理法（CBR）

案例推理法（Case―Based Reasoning，簡稱CBR）最早是由耶魯大學Schank 教授在Dynamic Memory：A Theory of Reminding and Learning in Computers and People（1982）一文中提出的，它是人工智能領域的一項重要推理方法。國外自上世紀 8O 年代后期對 CBR 的理論和方法進行了系統研究，在通用問題求解、法律案例分析、設備故障診斷、輔助工程設計、輔助計劃制定等領域取得實用性成果[1]；國內運用CBR方法對應急物資需求進行預測，取得了一定的進展：傅志妍，陳堅[2]運用歐氏算法尋求最佳相似源案例，建立案例推理――關鍵因素模型對目標案例進行需求預測，并通過實例驗證了模型的科學有效；王曉、莊亞明[3]將模糊集理論、神經網絡Hebb學習規則和多元線性回歸與案例推理法相結合，較為準確地預測出非常規突發事件的資源需求；Fu Deqiang[4]等人使用了一種基于案例推理和BP神經網絡的精度預測法，同樣通過目標案例證實了模型的可靠性。

雖然案例推理法出現的時間較早，且在各領域得到了廣泛的運用，但是這種預測方法有著較大的經驗成分，且案例庫的建立是進行案例推理分析的首要步驟和困難之處。而目前對于案例庫的建立存在著數據不全，缺失以及無系統整理歸檔的問題。

2.人工神經網絡（ANN）

人工神經網絡最早是由Lapedes和Farber于1987年在《運用神經網絡進行非線性信號處理：預測和系統模型》[5]一文中提出并使用的，他們用非線性神經網絡對計算機生成的時間序列仿真數據進行訓練和預測。王其文[6]等人和Chin Kuo[7]等分別通過對神經網絡和傳統回歸預測方法的比較，證明了神經網絡在預測中的優越性。

對于神經網絡在應急物資需求預測中的使用，國內相關文獻較少。筆者認為具有啟發性的是在《大型地震應急物資需求預測方法研究》[8]一文中，郭金芬和周剛先利用 BP 神經網絡算法對災后人員傷亡人數進行預測，然后結合庫存管理知識估算出災區應急物資的需求量；隨后，郭在其碩士論文中對該問題做出較為系統的研究[9]。而神經網絡在物流需求預測中的運用，對應急物資需求預測是同樣具有借鑒意義的：后銳、張畢西[10]提出基于MLP 神經網絡的區域物流需求預測模型，揭示了區域經濟與區域物流需求之間的非線性映射關系， 為區域物流需求預測提供了一種新思路和新方法；苗鑫[11]等人用擴展卡爾曼濾波和人工神經網絡相結合的復合算法對物流需求進行預測，并在與常規BP神經網絡算法的預測誤差比較中，顯示出其較高的可靠性；牛忠遠[12]依據物流需求的時間序列統計數據，應用人工神經網絡多步預測和滾動預測方法建立預測模型，對我國物流需求進行實證分析研究。

3. 支持向量機（SVM）

支持向量機是建立在統計學習理論的VC維理論和結構風險最小原理基礎上，根據有限的樣本信息在模型的復雜性和學習能力之間尋求最佳折衷，以求獲得最好推廣能力的一種方法。它是由Vapnik等人于1995年提出的[13][14]，現已廣泛地應用于模式識別、語音識別、時間序列分析、生物信息學及經濟學等領域。

支持向量機在應急物資和物流需求預測中的研究，國內文獻一般集中在以下幾個方面：趙一兵[15]等人運用支持向量機回歸算法建立了地震中人員傷亡預測模型，而后結合庫存管理模型對應急物資進行了估算，并在實例中驗證了模型的有效性；吳潔明[16]等運用支持向量機對歷史物流需求量的數據進行學習，而后通過粒子群算法獲得模型最優參數對物流需求進行預測；何滿輝[17]等針對支持向量機在處理數據時無法將數據簡化的問題，提出了基于模糊粗糙集與支持向量機的區域物流量預測方法；朱莎[18]提出了基于小波分析和支持向量機的組合預測方法，建立了針對緊急救援階段和后續救援階段的血液需求預測模型，并在汶川地震的案例中體現出該模型較高的精度。

從以上文獻中我們可以發現，案例推理法，人工神經網絡和支持向量機的應用，都體現出跨學科，跨專業的特點，它們將生物學或計算機科學等自然科學的研究方法推廣到經濟管理等社會科學中，并很好地解決了現實問題。

四、結束語

本文首先通過對現有預測方法的簡要介紹，提出運用近年來興起的人工智能方法對預測問題的研究；而后從應急物資需求的視角出發，對國內外解決應急物資需求預測方法做出總結回顧。通過分析，筆者認為支持向量機（SVM）更適合運用于對歷史數據較少或不全的應急物資需求進行預測。下一步的工作將是對預測指標的選取和影響因子的量化，以及對輸入SVM訓練數據的處理，并在實例中驗證該預測方法的精確度和有效性。

參考文獻：

[1]侯玉梅，許成媛. 基于案例推理法研究綜述[J]. 燕山大學學報（哲學社會科學版）， 2011， 12（4）： 102-108.

[2]傅志妍，陳堅.災害應急物資需求預測模型研究[J].物流科技，2009（10）：11-13.

[3]王曉，莊亞明.基于案例推理的非常規突發事件資源需求預測[J].西安電子科技大學學報，2010，12（7）：22-26.

[4]Fu Deqiang， Liu Yun， Li Changbing， Forecasting the Demand of Emergency Supplies： Based on the CBR Theory and BP Neural Network， Proceedings of the 8th International Conference on Innovation & Management. Fukuoka， Japan， November， 2011.

[5]Lapedes A， Farber. Nonlinear signal processing using neural networks： prediction and system modeling [R]. Technical Report LA-UR-87-2662，Los Alamos National Laboratory. Los Alamos. NM，1987.

[6]王其文， 呂景峰， 劉廣靈等. 人工神經網絡與線性回歸的比較[J]. 決策與決策支持系統， 1993， 3 （3） ： 205-210.

[7]Chin， Kuo， Arthur， Reitsch. Neural networks vs. conventional methods of forecasting， The Journal of Business Forecasting Methods & Systems， Winter 1995/1996 17-22.

[8]郭金芬，周剛.大型地震應急物資需求預測方法研究[J].價值工程，2011（22）.27-29.

[9]郭金芬.面向大型地震的應急物資需求預測方法研究[D]. 天津：天津大學，2011.

[10]后銳，張畢西. 基于MLP神經網絡的區域物流需求預測方法及其應用[J]. 系統工程理論與實踐，2005， 25（12）： 43-47.

[11]苗鑫，西寶，鄒慧敏. 物流需求的動態預測方法.哈爾濱工業大學學報[J]. 2008， 40（10）： 1613-1616.

[12]牛忠遠. 我國物流需求預測的神經網絡模型和實證分析研究[D]. 浙江：浙江大學， 2006.

[13]VAPNIKV. The Nature of Statistical Learning Theory [M].New York ： Spring Verlag，1995.

[14]VAPNIKV，張學工譯.《統計學習理論的本質》 [M]. 北京：清華大學出版社，2000.

[15]趙一兵，高虹霓，馮少博. 基于支持向量機回歸的應急物資需求預測[J]. 2013， 30（8）： 408-412.

[16]吳潔明，李余琪，萬勵. 物流需求預測算法的仿真研究[J]. 2011， 28（9）： 246-249.

[17]何滿輝，逯林，劉拴宏. 基于模糊粗糙集與支持向量機的區域物流量預測[J]. 2012，12（3）：129-134.

篇8

【關鍵詞】 機電一體化 現狀 發展趨勢

一、機電一體化的產生與應用

20世紀60年代以來,人們利用電子技術的初步成果來完善機械產品的性能后,刺激了機械產品與電子技術的結合。計算機技術、控制技術、通信技術的發展,為機電一體化的發展更進一步奠定了技術基礎。20世紀80年代末期,機電一體化技術和產品得到了極大發展。各國均開始對機電一體化技術和產品給以很大的關注和支持,20世紀90年代后期,開始了機電一體化技術向智能化方向邁進的新階段,機電一體化進入了深入發展時期。光學、通信技術等進入了機電一體化,微細加工技術也在機電一體化中展露頭腳,出現了光機電一體化和微機電一體化等新分支。我國從20世紀80年代開始開展機電一體化研究和應用。取得了一定成果,它的發展和進步依賴并促進相關技術的發展和進步。機電一體化已成為一門有著自身體系的新型學科,隨著科學技術的不斷發展,還將被賦予新的內容。

二、機電一體化的發展現狀

機電一體化的發展大體可以分為3個階段。20世紀60年代以前為第一階段,這一階段稱為初級階段。在這一時期,人們利用電子技術的初步成果來完善機械產品的性能。特別是在第二次世界大戰期間,戰爭刺激了機械產品與電子技術的結合,這些機電結合的軍用技術,戰后轉為民用,對戰后經濟的恢復起了積極的作用。那時研制和開發從總體上看還處于自發狀態。由于當時電子技術的發展尚未達到一定水平,機械技術與電子技術的結合還不可能廣泛和深入發展,已經開發的產品也無法大量推廣。

20世紀70年代~80年代為第二階段,可稱為蓬勃發展階段。這一時期,計算機技術、控制技術、通信技術的發展,為機電一體化的發展奠定了技術基礎。大規模、超大規模集成電路和微型計算機的迅猛發展,為機電一體化的發展提供了充分的物質基礎。

20世紀90年代后期,開始了機電一體化技術向智能化方向邁進的新階段,機電一體化進入深入發展時期。一方面,光學、通信技術等進入了機電一體化,微細加工技術也在機電一體化中展露頭腳,出現了光機電一體化和微機電一體化等新分支;另一方面對機電一體化系統的建模設計、分析和集成方法、機電一體化的學科體系和發展趨勢都進行了深入研究。同時,由于人工智能技術、神經網絡技術及光纖技術等領域取得的巨大進步,更為機電一體化技術開辟了發展的廣闊天地。這些研究,將促使機電一體化進一步建立完整的基礎和逐漸形成完整的科學體系。我國是從20世紀80年代初才開始在這方面研究和應用。國務院成立了機電一體化領導小組并將該技術列為“863計劃”中。在制定“九五”規劃和2010年發展綱要時充分考慮了國際上關于機電一體化技術的發展動向和由此可能帶來的影響。許多大專院校、研究機構及一些大中型企業對這一技術的發展及應用也做了大量的工作,雖然取得了一定成果,但與日本等先進國家相比仍有相當差距。

三、機電一體化的發展趨勢

(一)智能化趨勢

智能化是21世紀機電一體化技術發展的一個重要發展方向。人工智能在機電一體化建設者的研究日益得到重視,機器人與數控機床的智能化就是重要應用。這里所說的“智能化”是對機器行為的描述,是在控制理論的基礎上,吸收人工智能、運籌學、計算機科學、模糊數學、心理學、生理學和混沌動力學等新思想、新方法,模擬人類智能,使它具有判斷推理、邏輯思維、自主決策等能力,以求得到更高的控制目標。機電一體化產品不可能具有與人完全相同的智能。但是,高性能、高速的微處理器使機電一體化產品賦有低級智能或人的部分智能。

(二)模塊化趨勢

模塊化是一項重要而艱巨的工程。由于機電一體化產品種類和生產廠家繁多,研制和開發具有標準機械接口、電氣接口、動力接口、環境接口的機電一體化產品單元是一項十分復雜但又是非常重要的事。如研制集減速、智能調速、電機于一體的動力單元,具有視覺、圖像處理、識別和測距等功能的控制單元,以及各種能完成典型操作的機械裝置。這樣可利用標準單元迅速開發出新產品,也可以擴大生產規模,制定各項標準,以便各部件、單元的匹配和接口。從電氣產品的標準化、系列化帶來的好處可以肯定,無論是對生產標準機電一體化單元的企業還是對生產機電一體化產品的企業,規?；瘜⒔o機電一體化企業帶來美好的前程。

(三)網絡化趨勢

計算機技術等的突出成就是網絡技術。網絡技術的興起和飛速發展給科學技術、工業生產等領域都帶來了巨大的變革。各種網絡將全球經濟、生產連成一片,企業間的競爭也將全球化。機電一體化新產品一旦研制出來,只要其功能獨到,質量可靠,很快就會暢銷全球。由于網絡的普及,基于網絡的各種遠程控制和監視技術方興未艾,而遠程控制的終端設備本身就是機電一體化產品?，F場總線和局域網技術使家用電器網絡化已成大勢,利用家庭網絡將各種家用電器連接成以計算機為中心的計算機集成家電系統,使人們在家里分享各種高技術帶來的便利與快樂,因此機電一體化產品朝著網絡化方向發展是為大勢所趨。

(四)微型化趨勢

微型化指的是機電一體化向微型機器和微觀領域發展的趨勢,國外稱其為微電子機械系統(MEMS),泛指幾何尺寸不超過1cm的機電一體化產品,并向微米、納米級發展。微機電一體化產品體積小、耗能少、運動靈活,具有不可比擬的優勢。微機電一體化發展的瓶頸在于微機械技術,微機電一體化產品的加工采用精細加工技術,即超精密技術,它包括光刻技術和蝕刻技術。

篇9

摘要：機電一體化是現代科學技術發展的必然結果,本文簡述了機電一體化技術的基本概要和發展背景。綜述了國內外機電一體化技術的現狀，分析了機電一體化技術的發展趨勢。

現代科學技術的不斷發展，極大地推動了不同學科的交叉與滲透，導致了工程領域的技術革命與改造。在機械工程領域，由于微電子技術和計算機技術的迅速發展及其向機械工業的滲透所形成的機電一體化，使機械工業的技術結構、產品機構、功能與構成、生產方式及管理體系發生了巨大變化，使工業生產由“機械電氣化”邁入了“機電一體化”為特征的發展階段。

一、機電一體化概要

機電一體化是指在機構得主功能、動力功能、信息處理功能和控制功能上引進電子技術，將機械裝置與電子化設計及軟件結合起來所構成的系統的總稱。

機電一體化發展至今也已成為一門有著自身體系的新型學科，隨著科學技術的不但發展，還將被賦予新的內容。但其基本特征可概括為：機電一體化是從系統的觀點出發，綜合運用機械技術、微電子技術、自動控制技術、計算機技術、信息技術、傳感測控技術、電力電子技術、接口技術、信息變換技術以及軟件編程技術等群體技術，根據系統功能目標和優化組織目標，合理配置與布局各功能單元，在多功能、高質量、高可靠性、低能耗的意義上實現特定功能價值，并使整個系統最優化的系統工程技術。由此而產生的功能系統，則成為一個機電一體化系統或機電一體化產品。

因此，“機電一體化”涵蓋“技術”和“產品”兩個方面。只是，機電一體化技術是基于上述群體技術有機融合的一種綜合技術，而不是機械技術、微電子技術以及其它新技術的簡單組合、拼湊。這是機電一體化與機械加電氣所形成的機械電氣化在概念上的根本區別。機械工程技術有純技術發展到機械電氣化，仍屬傳統機械，其主要功能依然是代替和放大的體力。但是發展到機電一體化后，其中的微電子裝置除可取代某些機械部件的原有功能外，還能賦予許多新的功能，如自動檢測、自動處理信息、自動顯示記錄、自動調節與控制自動診斷與保護等。即機電一體化產品不僅是人的手與肢體的延伸，還是人的感官與頭腦的眼神，具有智能化的特征是機電一體化與機械電氣化在功能上的本質區別。

二、機電一體化的發展狀況

機電一體化的發展大體可以分為3個階段。20世紀60年代以前為第一階段，這一階段稱為初級階段。在這一時期，人們自覺不自覺地利用電子技術的初步成果來完善機械產品的性能。特別是在第二次世界大戰期間，戰爭刺激了機械產品與電子技術的結合，這些機電結合的軍用技術，戰后轉為民用，對戰后經濟的恢復起了積極的作用。那時研制和開發從總體上看還處于自發狀態。由于當時電子技術的發展尚未達到一定水平，機械技術與電子技術的結合還不可能廣泛和深入發展，已經開發的產品也無法大量推廣。

20世紀90年代后期，開始了機電一體化技術向智能化方向邁進的新階段，機電一體化進入深入發展時期。一方面，光學、通信技術等進入了機電一體化，微細加工技術也在機電一體化中嶄露頭腳，出現了光機電一體化和微機電一體化等新分支；另一方面對機電一體化系統的建模設計、分析和集成方法，機電一體化的學科體系和發展趨勢都進行了深入研究。同時，由于人工智能技術、神經網絡技術及光纖技術等領域取得的巨大進步，為機電一體化技術開辟了發展的廣闊天地。這些研究，將促使機電一體化進一步建立完整的基礎和逐漸形成完整的科學體系。

我國是從20世紀80年代初才開始在這方面研究和應用。國務院成立了機電一體化領導小組并將該技術列為“863計劃”中。在制定“九五”規劃和2010年發展綱要時充分考慮了國際上關于機電一體化技術的發展動向和由此可能帶來的影響。許多大專院校、研究機構及一些大中型企業對這一技術的發展及應用做了大量的工作，不取得了一定成果，但與日本等先進國家相比仍有相當差距。

三、機電一體化的發展趨勢

1智能化

智能化是21世紀機電一體化技術發展的一個重要發展方向。人工智能在機電一體化建設者的研究日益得到重視，機器人與數控機床的智能化就是重要應用。這里所說的“智能化”是對機器行為的描述，是在控制理論的基礎上，吸收人工智能、運籌學、計算機科學、模糊數學、心理學、生理學和混沌動力學等新思想、新方法，模擬人類智能，使它具有判斷推理、邏輯思維、自主決策等能力，以求得到更高的控制目標。誠然，使機電一體化產品具有與人完全相同的智能，是不可能的，也是不必要的。但是，高性能、高速的微處理器使機電一體化產品賦有低級智能或人的部分智能，則是完全可能而又必要的。

2模塊化

模塊化是一項重要而艱巨的工程。由于機電一體化產品種類和生產廠家繁多，研制和開發具有標準機械接口、電氣接口、動力接口、環境接口的機電一體化產品單元是一項十分復雜但又是非常重要的事。如研制集減速、智能調速、電機于一體的動力單元，具有視覺、圖像處理、識別和測距等功能的控制單元，以及各種能完成典型操作的機械裝置。這樣，可利用標準單元迅速開發出新產品，同時也可以擴大生產規模。這需要制定各項標準，以便各部件、單元的匹配和接口。由于利益沖突，近期很難制定國際或國內這方面的標準，但可以通過組建一些大企業逐漸形成。顯然，從電氣產品的標準化、系列化帶來的好處可以肯定，無論是對生產標準機電一體化單元的企業還是對生產機電一體化產品的企業，規?；瘜⒔o機電一體化企業帶來美好的前程。

3網絡化

20世紀90年代，計算機技術等的突出成就是網絡技術。網絡技術的興起和飛速發展給科學技術、工業生產、政治、軍事、教育義舉人么日常生活都帶來了巨大的變革。各種網絡將全球經濟、生產連成一片，企業間的競爭也將全球化。機電一體化新產品一旦研制出來，只要其功能獨到，質量可靠，很快就會暢銷全球。由于網絡的普及，基于網絡的各種遠程控制和監視技術方興未艾，而遠程控制的終端設備本身就是機電一體化產品。

4微型化

微型化興起于20世紀80年代末，指的是機電一體化向微型機器和微觀領域發展的趨勢。國外稱其為微電子機械系統（MEMS），泛指幾何尺寸不超過1cm3的機電一體化產品，并向微米、納米級發展。微機電一體化產品體積小、耗能少、運動靈活，在生物醫療、軍事、信息等方面具有不可比擬的優勢。微機電一體化發展的瓶頸在于微機械技術，微機電一體化產品的加工采用精細加工技術，即超精密技術，它包括光刻技術和蝕刻技術兩類。

5綠色化

工業的發達給人們生活帶來了巨大變化。一方面，物質豐富，生活舒適；另一方面，資源減少，生態環境受到嚴重污染。于是，人們呼吁保護環境資源，回歸自然。綠色產品概念在這種呼聲下應運而生，綠色化是時代的趨勢。綠色產品在其設計、制造、使用和銷毀的生命過程中，符合特定的環境保護和人類健康的要求，對生態環境無害或危害極少，資源利用率極高。設計綠色的機電一體化產品，具有遠大的發展前途。機電一體化產品的綠色化主要是指，使用時不污染生態環境，報廢后能回收利用。

6系統化

系統化的表現特征之一就是系統體系結構進一步采用開放式和模式化的總線結構。系統可以靈活組態，進行任意剪裁和組合，同時尋求實現多子系統協調控制和綜合管理。表現之二是通信功能的大大加強，一般除RS232外，還有RS485、DCS人格化。未來的機電一體化更加注重產品與人的關系，機電一體化的人格化有兩層含義。一層是，機電一體化產品的最終使用對象是人，如何賦予機電一體化產品人的智能、情感、人性顯得越來越重要，特別是對家用機器人，其高層境界就是人機一體化。另一層是模仿生物機理，研制各種機電一體花產品。事實上，許多機電一體化產品都是受動物的啟發研制出來的。

結語

綜上所述，機電一體化的出現不是孤立的，它是許多科學技術發展的結晶，是社會生產力發展到一定階段的必然要求。當然，與機電一體化相關的技術還有很多，并且隨著科學技術的發展，各種技術相互融合的趨勢將越來越明顯，機電一體化技術的廣闊發展前景也將越來越光明。

參考文獻:

李建勇．機電一體化技術．北京：科學出版社，2004．

篇10

【關鍵詞】人臉識別 人臉檢測

近年，生物特征識別這一技術發展今非昔比。其中，人臉識別是一種非接觸性技術，具有可視化、符合人的思維習慣的特點，得以在商業、安全等領域廣泛應用。目前，人臉識別逐漸成為一個熱門的研究領域。

1 人臉識別的方法

隨著技術的發展，人臉識別方法也呈現出“百花齊放”的趨勢。從整體上把握，人臉識別技術可以分為以下三種：

1.1 基于幾何特征的正面人臉識別方法

該方法是最早的人臉檢測方法，是對人臉的等先驗知識導出規則的利用。人臉面部器官可以近似的看作是常見的幾何單元，膚色也人臉的是重要特征之一。該方法就是采集人臉的重要的面部特征及其之間的相對距離、特征分布等參數從而形成一個可以表示人臉特征向量，例如角度、曲率等。該方法抗干擾能力極強，對于光照變化的敏感度很低，并且直接利用人臉信息，便于理解。同時，由于該方法算法只關心器官的基本形狀和位置結構，并沒有側重細節特征，所以對于從圖像中提取穩定的特征就比較困難。這就意味著當人的面部表情的變化較大時，或者是出現了存在遮擋物等影響魯棒性差的情況，對于人臉特征的提取就會變得困難甚至錯誤。

1.2 基于模板匹配的人臉識別方法

模板匹配主要包括靜態匹配和彈性匹配，可以細分為：動態連接匹配法、特征臉方法、線性判別方法、神經網絡法等。靜態匹配方法在使用時也需要對圖像進行適當的標準化，隨后利用整幅圖像的灰度級、生理特征區的灰度圖像和變換后的人臉圖像模板。由于是靜態的匹配，模板的靈活性差，當出現面部表情過大時，就無法使用模板。所以產生了動態的模板匹配，也稱為動態連接匹配法。該方法是建立反映人臉特征形狀可變部分的特征參數模型。該方法的有點就在于其靈活性大大的提高，適用于更多情況下的人臉檢測，同時魯棒性較于靜態更好。但是該方法容易因為計算時間太長而陷入局部最小。

1.3 基于模型的人臉識別方法

該方法是利用數學模型的參數進行人臉識別，合并人臉尺度和人臉方向的人臉。該方法著重了人臉各器官的不同特征和相互聯系，又不敏感于面部表情變化，魯棒性好，計算量也并不巨大?；陔[馬爾科夫模型法就是其中最經典的方法。

2 人臉識別的現狀

人臉識別技術正式起步于美國，我國接觸該技術較晚，但是經過科研人員和學者們多年的研究和實驗，目前我國的人臉識別技術已經達到國際先進的水平。

2.1 國內

在我國，最早從人工向計算機智能識別發展的生物識別技術是指紋識別，但是在實際應用中逐漸產生了對人臉識別技術的需求。從2001年開始，公安部門就開始使用這一技術來防范打擊重大刑事犯罪并取得國家的支持。隨后，我國在2008年北京奧運會舉行時應用了人臉識別技術，這標志著我國的人臉識別進入大規模的使用階段。在前幾年舉辦的世博會上，該技術得到更加廣泛的應用，同時各大公司也逐漸加入，實現了人臉識別技術在中國的大規模應用。隨著我國技術的不斷進步，“三化兩合”將是人臉識別發展的必然趨勢?！叭敝福褐髁骰?、芯片化、標準化；“兩合”指：與其他生物特征的多生物特征融合與REID的聯合。

2.2 國外

國內外對于人臉識別的研究都非常的活躍。美國、德國、日本等經濟發達國家和部分發展中國家都有研究機構和研究人員對此進行專門的研究。以下只取其中篩齬家作為例子。

2.2.1 美國

美國是人臉識別技術最先起步的國家，也是最先應用該技術的國家，其人臉識別技術的水平一直走在國際前列。早在1993年，美國國防部就啟動了FERET項目，為其之后的生物智能識別技術奠定了基礎，推動人臉識別技術從初始階段提升到原型系統階段。目前，美國電影中沒有鑰匙孔只有一個攝像頭的大門，刷一下人臉就可以進入；機要部門的核心設備通過指紋進行設備的解鎖；追蹤情節中利用街邊攝像頭進行識別等等，這些場景在實際生活中已經得到實際的應用。例如，FBI在2014年就推出了他們的新一代的電子識別系統，總投入超過10億美金。用于利用監控鎖定犯罪嫌疑人，從而進行全網追捕。不僅如此，美國國防部和國土安全部門加大了對人工智能識別技術的投資，用來防止對公共安全造成的威脅。

2.2.2 日本

日本雖然也是略晚接觸人臉識別技術的國家，但是其發展卻日新月異。在2014年日本的一家研究中心就在日本大阪試驗一項基于視頻的人臉識別技術，目的在于當災難來臨是，通過實時監控中人臉的表情以及人流的動態來判斷各個緊急安全出口是否可用。日本近年來一直在加快對只能視頻分析技術的研究。據中關在線報道，2015年日本日立公司推出的視頻監控人臉識別技術能夠技術能夠以3600萬張圖像/秒的速度進行掃描，以高精度識別出路人，并且即時存儲路人臉部圖像，將長相相似的人臉進行分類。隨后，據中新網2015年7月3日報道，日本在國內的骨干機場引進了通過計算機智能識別人臉來確認身份的系統，有望在舉辦東京奧運會和殘奧會的之前，推進日本人出入境審查的無人化，大大縮短外國游客入境審查的時間。

3 人臉識別的展望

雖然人臉識別技術目前還存在一些缺陷，但是這一技術目前已經得到了非常迅速的發展，還出現了專門的國際會議，越來越多的研究人員和研究機構投入其中，同時各國也開始逐漸試驗這一技術，那些亟待解決的問題不過也是時間的問題。相信不久的將來，這一人工智能技術會在不斷的應用中逐漸完善，并且造福全人類。

參考文獻

[1]吳巾一.人臉識別方法綜述[A].計算機應用研究，2009（09）：3205-3209

[2]姜賀.基于幾何特征的人臉識別算法[D].大連：大連理工大學，2008（12）.

[3]生物特征識別技術需從應用中逐步完善[J].智能建筑與城市信息，2014（09）：15-19

[4]余龍華.基于隱馬爾科夫模型的人臉識別[A].計算機技術與發展，2012（02）：25-28