Results 1 to 10 of about 6,249 (140)
智能科学与技术学报, 2022 当前机器人技术面临的较大限制之一是难以适应不断变化的任务，当机器人面对新环境或者学习新任务时，会不可避免地遗忘旧环境或旧任务的经验。为了总结机器人持续学习的研究和发展现状，首先介绍了持续学习的框架和评价基准，然后阐述了持续学习在机器人任务中的必要性和面临的挑战，并对持续学习的发展现状进行了回顾，最后展望了机器人持续学习的发展前景，提出了一些有价值的研究问题。
许杰, 陈星宇, 梅魁志, 兰旭光
doaj +1 more source
智能科学与技术学报, 2023 医疗机器人对于提高医疗效率，减轻患者痛苦，具有重要的社会意义和科研价值。针对医疗机器人的难点，提出了基于ACP平行系统方法的平行医疗机器人概念。平行医疗机器人主要由物理医疗机器人和虚拟医疗机器人组成，通过并联医疗机器人可以实现对整个系统进行管理和控制，对治疗过程进行实验和评估，对医生和患者进行学习和培训。介绍了支撑平行医疗机器人的相关技术，包括机器人仿真、生物力学、3D打印和知识自动化技术等，并结合平行学习提出平行医疗机器人所应具备的描述、预测和处方三大核心功能。最后 ...
白天翔, 王双翌, 刘雅婷, 李汉忠, 闻艺
doaj +1 more source
智能科学与技术学报, 2022 以机器人为代表的自主智能体系统在工业、服务业等众多领域具有广泛的应用前景和重要的应用价值，但现有自主智能体系统在运动灵巧性、感知信息的完备性、复杂任务和环境的适应性等方面都面临巨大的挑战，难以在开放环境下像人一样灵巧、精准地完成各种复杂操作。而随着以深度学习、深度强化学习为代表的人工智能技术的成功，以操作技能学习为核心的理论研究成为突破自主智能体精准灵巧操作的重要方向，在汲取、融汇联结主义和符号主义的思想精华后构建的操作技能学习框架有望取代传统的示教编程、手工编程模式，以自主学习 ...
王硕
doaj +1 more source
智能科学与技术学报, 2022 轴孔装配是加工制造业常见的一类操作任务。基于工业机器人研究轴孔自动装配，对于机器人在装配领域的应用具有重要价值。对于高精密和形状复杂的零件，高效可靠的轴孔装配仍然具有很大挑战性。基于此，从控制的角度对机器人自动轴孔装配进行了全面梳理。首先，介绍了机器人自动轴孔装配过程。然后，在对基于传统模型的装配控制进行论述的基础上，对新兴的基于学习的智能装配控制进行了讨论，重点阐述了模仿学习和强化学习在机器人自动装配中的应用。传统方法与人工智能方法的结合，将为机器人自动轴孔装配注入新的活力，将成为未来的重要发展趋势。
徐德, 秦方博
doaj +1 more source
智能科学与技术学报, 2022 群体智能是大规模人类群体和机器集群通过网络交互协作，相互赋能，持续学习，涌现出超越人类个体和机器单体的智能。群体智能在智能化信息服务、软件开发、众包创作、医疗健康、社会行为分析、交通出行、侦察监视、群智机器人等多个领域已经受到学术界和工业界的广泛关注，并成为国家人工智能发展的重要方向之一。对群体智能的深入研究有助于推动改善人与人、人与机器、人与物理世界、机器与机器间的关系。 为了及时掌握该领域的研究热点和技术动态，推动群体智能领域的快速发展，促进学术交流和技术创新，《智能科学与技术学报》发起了 ...
王怀民
doaj +1 more source
, 2019 【目的/意义】图情领域在数字资源发现、组织与应用中越来越多使用到信息抽取技术，本文将对该领域在信息抽取技术方面的研究进展及应用情况等进行分析，为本领域相关人员提供参考。【方法/过程】以国内图书馆学、情报学领域中国核心期刊和国外33种图情期刊为信息源对其中刊载的信息抽取相关研究成果进行计量分析，检索过程不设置时间限制，并利用CNKI、EndNote、Excel、Python分析工具对主题相关的165篇中文文献和35篇外文文献进行年度趋势分析、期刊发文量分析、机构分析、作者分析以及论文主题分布研究。【结果 ...
李春杰, 马建玲
core +1 more source
, 2019 【目的/意义】面对海量的信息，人们需要更为高效准确的信息获取方式。数值信息抽取的研究使隐含在无序信息载体中的大量有价值数值信息可以得以利用，从而满足科研工作者数据驱动型研究的信息需求。【方法/过程】本文旨在总结和归纳数值信息抽取研究的相关内容，包括数值信息抽取的内涵、数值信息抽取研究概况、面临的困境和制约因素以及应用等。【结果/结论】数值信息抽取仍然面临着巨大的挑战，且现有的数值信息抽取研究较少，对于数值信息的抽取，基于规则和统计学习的方法各有利弊，总体来说，基于规则的抽取方法仍是主流方法。 关键词 ...
李春杰, 马建玲
core +1 more source
大数据, 2022 随着机器学习技术的广泛应用，数据安全问题时有发生，人们对数据隐私保护的需求日渐显现，这无疑降低了不同实体间共享数据的可能性，导致数据难以共享，形成“数据孤岛”。联邦学习可以有效解决“数据孤岛”问题。联邦学习本质上是一种分布式的机器学习，其最大的特点是将用户数据保存在用户本地，模型联合训练过程中不会泄露各参与方的原始数据。尽管如此，联邦学习在实际应用中仍然存在许多安全隐患，需要深入研究。对联邦学习可能受到的攻击及相应的防御措施进行系统性的梳理。首先根据联邦学习的训练环节对其可能受到的攻击和威胁进行分类 ...
吴建汉, 司世景, 王健宗, 肖京
doaj +1 more source
Zhongguo cuzhong zazhi, 2022 目的 建立基于机器学习的血糖异常急性缺血性卒中患者的预后预测模型，比较传统logistic模型与机器学习模型的预测效能。 方法 以中国国家卒中登记研究Ⅲ（China national stroke registration study III，CNSR-Ⅲ）血糖异常急性缺血性卒中患者为研究对象，采用病例报告表收集患者的人口学信息、既往病史、实验室检查、头颅影像学检查、卒中病因分型等临床资料。采用分层10折交叉验证划分训练集（3325例）和测试集（369例），基于随机森林、梯度提升决策树（
杨佳蕾, 陈思玎, 孟霞, 姜勇, 王拥军
doaj +1 more source
Gaoya dianqi, 2020 针对极限学习机缺乏稳定性对变压器故障诊断造成不良影响的问题,文中引入具有更好泛化能力的正则极限学习机,提出一种基于NSGA2优化正则极限学习机的变压器故障诊断方法。该方法以油中溶解气体含量比值作为特征输入,用NSGA2优化正则极限学习机随机生成的输入层权值与隐层偏置,避免了输出层权值矩阵过大,从而提高模型稳定性和诊断精度。仿真实验结果表明,相比于传统正则极限学习机,文中方法有更高的故障诊断正确率,是一种有效的变压器故障诊断方法。
王春明, 朱永利
doaj