《中国人工智能学会通讯》——8.23 基于演化优化的网络结构平衡分析
8.23 基于演化优化的网络结构平衡分析 结构平衡是网络结构分析中的一个重要概念[28] 。分析网络结构平衡可以帮助我们深入研究网络中个体之间的联系,理解复杂系统由非平衡状态向平衡状态的动态进化。网络结构平衡已经被应用到多个领域,如国际关系、政治选举等。 结构平衡研究中有两个重要的挑战:① 网络是否平衡?② 网络怎样由不平衡状态进化为平衡状态? 适应度函数 文献 [29] 提出了一个能量函数来计....
中国人工智能学会通讯——从演化计算到演化智能 1.3 演化智能:机遇与挑战
1.3 演化智能:机遇与挑战 从宏观角度来看,利用演化计算的手段构建新型的智能系统——即演化智能——在AI2.0的时代将面临前所未有的机遇。一方面,可演化新型终端的涌现,物联网技术的普及,将极大丰富演化计算的内涵。面向智能城市、智能制造、智能医疗等关键领域,构建涵盖了各类异构终端,甚至人类智能的人机融合演化系统正逐渐成为可能。另一方面,高性能计算、云计算技术的发展,使我们能够以远低于过去的代价在....
中国人工智能学会通讯——从演化计算到演化智能 1.2 现状
1.2 现状 演化计算领域的研究大体可分为互相关联的三个方面,即模型与算法、应用场景和计算平台(硬件)。 1. 模型与算法 在模型与算法方面,演化计算领域已经形成一套成熟的方法论。具体地说,演化算法(Evolutionary Algorithms)一般遵循一个共同的抽象框架,即同时维护多个演化对象(个体),根据预定义的演化算子,迭代式地对个体进行改动(调整),令其不断适应外部环境(选择)。在每一....
中国人工智能学会通讯——从演化计算到演化智能 1.1 溯源
1.1 溯源 演化,一般来说,是指某一类对象在与外部环境相互作用的过程中,为适应环境而发生的主动或被动调节的过程,是解读人类自身1,以及社会、经济现象2的一个重要视角。在人工智能领域,早在1950年,图灵就通过一个模拟自然演化的抽象思维模型,指出演化可以是构建智能机器的一种手段[1]。在此之后,如何利用计算的手段模拟真实世界中的各类演化过程,回答或解决复杂的实际问题,就一直是许多学者关心的问题,....
《中国人工智能学会通讯》——1.30 演化学习调研
1.30 演化学习调研 演化学习是基于演化算法来处理机器学习面临的优化问题的研究方向。演化算法源于 20 世纪 60 年代,随着计算设备的出现,研究者设计了在计算机中模拟生物进化过程的算法,包括遗传算法、演化规划算法、演化策略算法等,并发现这样的算法具有一定的优化能力,并且对优化目标函数的限制很少,可以用于目标函数不可导、不连续,甚至写不出目标函数的情况。 随着时间的发展,这些最初的算法以及之后....
《中国人工智能学会通讯》——8.35 软件工程中的演化计算研究
8.35 软件工程中的演化计算研究 演化计算(Evolutionary Computation)是通过模拟生物进化过程与机制来求解问题的自组织、自适应的人工智能技术,在模式识别、机械工程、电气工程、生物学等众多领域都获得成功[1-2] 。近年来,演化计算在软件工程领域也获得了广泛应用,形成了新的学科交叉方向——基于搜索的软件工程(SBSE,Search-Based SoftwareEnginee....
《中国人工智能学会通讯》——8.25 基于演化优化的生物网络配准
8.25 基于演化优化的生物网络配准 生物网络配准是为了找到不同种群之间不同蛋白质网络的相似子图。生物网络配准可以帮助我们预测蛋白质功能。网络配准主要分为局部网络配准和全局网络配准两种。局部网络配准是为了匹配网络的局部区域,而全局网络是为了匹配网络的所有节点。在全局网络配准中,一个重要的问题是同时匹配网络结构和生物信息。全局网络配准被证明是一个 NP 完全问题。 目标函数以前的算法主要是通过最大....
《中国人工智能学会通讯》——8.24 基于演化优化的网络影响最大化
8.24 基于演化优化的网络影响最大化 影响最大化问题是社交网络分析中一个重要的研究问题。影响最大化是为了找到一个在网络中有最大影响力的节点集合。影响最大化在现实生活中有着广泛的应用,如社交媒体中广告的投放。 影响最大化被 Kempe、Kleinberg 和 Tardos建模为一个离散的优化问题。在独立级联模型中,影响最大化问题被证明是一个 NP-hard 问题。文献[34] 提出了一种基于集合....
《中国人工智能学会通讯》——8.21 于演化优化的网络结构分析
8.21 于演化优化的网络结构分析 现实世界中的很多复杂系统都可以被抽象为复杂网络进行研究,如互联网、社会网络及生物网络等。经过近些年的研究,复杂网络理论已经成为研究复杂系统的重要工具。同时,从复杂网络理论延伸出了很多新课题,如社区检测、结构平衡、网络鲁棒性等。很多对网络结构的分析可以建模成优化问题。复杂网络上的优化问题往往是 NP-hard 问题,而传统的一些方法难以解决 NP-hard 问题....
《中国人工智能学会通讯》——8.16 演化计算中的机器学习
8.16 演化计算中的机器学习 演化计算与机器学习是同属人工智能的紧密相连的两个研究方向,一方面演化算法 (EAs,evolutionary algorithms) 可以用于求解机器学习中的复杂优化问题;另一方面机器学习可辅助 EA。本文侧重后者。 需要指出的是,EA 本身也具有内在学习的能力,演化计算研究者从最初即意识到学习在 EA 中的重要性,例如遗传算法 (genetic algorith....
本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。
人工智能通讯相关内容
人工智能更多通讯相关
- 人工智能通讯知识图谱
- 人工智能通讯行为
- 人工智能通讯结束语
- 人工智能通讯众包技术
- 人工智能通讯众包
- 人工智能通讯任务分配
- 人工智能通讯技术
- 人工智能通讯评估
- 人工智能通讯嵌入
- 人工智能通讯谣言识别发展趋势
- 人工智能通讯研究
- 人工智能通讯应用
- 人工智能通讯金融
- 人工智能通讯推荐系统
- 人工智能通讯构建强健
- 人工智能通讯科学
- 人工智能通讯决策
- 人工智能通讯视觉
- 人工智能通讯实践
- 人工智能通讯机遇
- 人工智能通讯偏好
- 人工智能通讯视频行为识别
- 人工智能通讯科学鉴赏创作
- 人工智能通讯意识科学研究进展
- 人工智能通讯bots一站
- 人工智能通讯点击模型
- 人工智能通讯文本
- 人工智能通讯自然语言处理
- 人工智能通讯特征
- 人工智能通讯图灵测试