人工智能研究现状综述范文

导语：如何才能写好一篇人工智能研究现状综述，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词：人工智能 机器学习 机器人情感获得 发展综述

中图分类号：TP18 文献标识码：A 文章编号：1003-9082 （2017） 04-0234-01

引言

人类自从工业革命结束之后，就已然开始了对人工智能的探索，究其本质，实际上就是对人的思维进行模仿，以此代替人类工作。人工智能的探索最早可以追溯到图灵时期，那时图灵就希望未来的智能系统能够像人一样思考。在20世纪五十年代，人工智能被首次确定为一个新兴的学科，并吸引了大批的学者投入到该领域的研究当中。经过长时间的探索和尝试，人工智能的许多重要基本理论已经形成，如模式识别、特征表示与推理、机器学习的相关理论和算法等等。进入二十一世纪以来，随着深度学习与卷积神经网络的发展，人工智能再一次成为研究热点。人工智能技术与基因过程、纳米科学并列为二十一世纪的三大尖端技术， 并且人工智能涉及的学科多，社会应用广泛，对其原理和本质的理解也更为复杂。 一、人工智能的发展历程

回顾人工智能的产生与发展过程 ，可以将其分为：初期形成阶段，综合发展阶段和应用阶段。

1.初期形成阶段

人工智能这一思想最早的提出是基于对人脑神经元模型的抽象。其早期工作被认为是由美国的神经学家和控制论学者 Warren McCulloch与Walter Pitts共同完成的。在1951年，两名普林斯顿大学的研究生制造出了第一台人工神经元计算机。而其真正作为一个新的概念被提出是在1956年举行的达茅斯会议上。由麦卡锡提议并正式采用了“人工智能”（Artificial Intelligence）砻枋稣庖谎芯咳绾斡没器来模拟人类智能的新兴学科。1969年的国际人工智能联合会议标志着人工智能得到了国际的认可。至此，人工智能这一概念初步形成，也逐渐吸引了从事数学、生物、计算机、神经科学等相关学科的学者参与该领域的研究。

2.综合发展阶段

1.7 7年， 费根鲍姆在第五届国际人工智能联合会议上正式提出了“知识工程”这一概念。而后其对应的专家系统得到发展，许多智能系统纷纷被推出，并应用到了人类生活的方方面面。20世纪80年代以来，专家系统逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。大型专家系统开发采用了多种人工智能语言、多种知识表示方法、多种推理机制和多种控制策略相结合的方式， 并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等等。在专家系统的发展过程中，人工智能得到了较为系统和全面的综合发展，并能够在一些具体的任务中接近甚至超过人类专家的水平。

3.应用阶段

进入二十一世纪以后，由于深度人工神经网络的提出，并在图像分类与识别的任务上远远超过了传统的方法，人工智能掀起了前所未有的。2006年，由加拿大多伦多大学的Geoffery Hinton及其学生在《Science》杂志上发表文章，其中首次提到了深度学习这一思想，实现对数据的分级表达，降低了经典神经网络的训练难度。并随后提出了如深度卷积神经网络（Convolutional Neural Network， CNN），以及区域卷积神经网络（Region-based Convolutional Neural Network， R-CNN），等等新的网络训练结构，使得训练和测试的效率得到大幅提升，识别准确率也显著提高。

二、人工智能核心技术

人工智能由于其涉及的领域较多，内容复杂，因此在不同的应用场景涉及到许多核心技术，这其中如专家系统、机器学习、模式识别、人工神经网络等是最重要也是发展较为完善的几个核心技术。

1.专家系统

专家系统是一类具有专门知识和经验的计算机智能程序系统，通过对人类专家的问题求解能力建模，采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题，达到具有与专家同等解决问题能力的水平。对专家系统的研究，是人工智能中开展得较为全面、系统且已经取得广泛应用的技术。许多成熟而先进的专家系统已经被应用在如医疗诊断、地质勘测、文化教育等方面。

2.机器学习

机器学习是一个让计算机在非精确编程下进行活动的科学，也就是机器自己获取知识。起初，机器学习被大量应用在图像识别等学习任务中，后来，机器学习不再限于识别字符、图像中的某个目标，而是将其应用到机器人、基因数据的分析甚至是金融市场的预测中。在机器学习的发展过程中，先后诞生了如凸优化、核方法、支持向量机、Boosting算法等等一系列经典的机器学习方法和理论。机器学习也是人工智能研究中最为重要的核心方向。

3.模式识别

模式识别是研究如何使机器具有感知能力 ，主要研究图像和语音等的识别。其经典算法包括如k-means，主成分分析（PCA），贝叶斯分类器等等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的基于统计学习的识别方法。图形识别方面例如识别各种印刷体和某些手写体文字，识别指纹、癌细胞等技术已经进入实际应用。语音识别主要研究各种语音信号的分类，和自然语言理解等等。模式识别技术是人工智能的一大应用领域，其非常热门的如人脸识别、手势识别等等对人们的生活有着十分直接的影响。

4.人工神经网络

人工神经网络是在研究人脑的结构中得到启发， 试图用大量的处理单元模仿人脑神经系统工程结构和工作机理。而近年来发展的深度卷积神经网络（Convolutional neural networks， CNNs）具有更复杂的网络结构，与经典的机器学习算法相比在大数据的训练下有着更强的特征学习和表达能力。含有多个隐含层的神经网络能够对输入原始数据有更抽象喝更本质的表述，从而有利于解决特征可视化以及分类问题。另外，通过实现“逐层初始化”这一方法，实现对输入数据的分级表达，可以有效降低神经网络的训练难度。目前的神经网络在图像识别任务中取得了十分明显的进展，基于CNN的图像识别技术也一直是学术界与工业界一致追捧的热点。

三、机器人情感获得

1.智能C器人现状

目前智能机器人的研究还主要基于智能控制技术，通过预先定义好的机器人行动规则，编程实现复杂的自动控制，完成机器人的移动过程。而人类进行动作、行为的学习主要是通过模仿及与环境的交互。从这个意义上说，目前智能机器人还不具有类脑的多模态感知及基于感知信息的类脑自主决策能力。在运动机制方面，目前几乎所有的智能机器人都不具备类人的外周神经系统，其灵活性和自适应性与人类运动系统还具有较大差距。

2.机器人情感获得的可能性

人脑是在与外界永不停息的交互中，在高度发达的神经系统的处理下获得情感。智能机器人在不断的机器学习和大数据处理中，中枢处理系统不断地自我更新、升级，便具备了获得情感的可能性及几率。不断地更新、升级的过程类似于生物的进化历程，也就是说，智能机器人有充分的可能性获得与人类同等丰富的情感世界。

3.机器人获得情感的利弊

机器人获得情感在理论可行的情况下，伴之而来的利弊则众说纷纭。一方面，拥有丰富情感世界的机器人可以带来更多人性化的服务，人机合作也可进行地更加深入，可以为人类带来更为逼真的体验和享受。人类或可与智能机器人携手共创一个和谐世界。但是另一方面，在机器人获得情感时，机器人是否能彻底贯彻人类命令及协议的担忧也迎面而来。

4.规避机器人情感获得的风险

规避智能机器人获得情感的风险应预备强制措施。首先要设计完备的智能机器人情感协议，将威胁泯灭于未然。其次，应控制智能机器人的能源获得，以限制其自主活动的能力，杜绝其建立独立体系的可能。最后，要掌控核心武器，必要时强行停止运行、回收、甚至销毁智能机器人。

三、总结

本文梳理了人工智能的发展历程与核心技术，可以毋庸置疑地说，人工智能具有极其广阔的应用前景，但也伴随着极大的风险。回顾其发展历程，我们有理由充分相信，在未来人工智能的技术会不断完善，难题会被攻克。作为世界上最热门的领域之一，在合理有效规避其风险的同时，获得情感的智能机器人会造福人类，并极大地帮助人们的社会生活。

参考文献

[1]韩晔彤.人工智能技术发展及应用研究综述[J].电子制作，2016，（12）：95.

[2]曾毅，刘成林，谭铁牛.类脑智能研究的回顾与展望[J].计算机学报，2016，（01）：212-222.

[3]张越.人工智能综述：让机器像人类一样思考

篇2

系统综述(systematicreview)又称系统评价，起源于医学领域，是指在复习、分析、整理和综合原始文献的基础上进行的二次研究方法［12］，目前已经被广泛应用于循证医学(evidence-basedmedicine)［13］，逐步应用于社会学、教育学、图书情报等领域［14］。系统综述可被精确区分为两种类型:(1)定性系统综述，原始文献的研究结果被分析与总结，但未经统计学合并;(2)定量系统综述，又称元(meta)分析或荟萃分析，应用统计学方法对若干个研究结果进行定量统计合并的过程。在某些不强调或较难实施统计学合并的研究领域，直接将定性系统综述称为系统综述，将其作为一种对某研究问题、主题或现象的可获得的所有研究进行评价和解释的方法，目标在于通过一种可信的、严格的以及可审计的方法来提供公正的研究评价［15］。信息科学与旅游科学的交叉研究属于较难实现统计学合并的研究领域，因此本文采用定性系统综述方法，简称系统综述。本文关于信息科学与旅游的交叉研究的系统综述研究包含如下步骤:(1)确定研究问题为了全面了解与分析信息科学与旅游的交叉研究现状，本文确定了如下系统综述的研究问题:①信息科学研究中面向旅游的研究主要有哪些方面?②旅游研究中与信息科学相关的研究主要有哪些方面?③信息科学与旅游的交叉研究有哪些趋势?(2)确定文献搜索策略基于所确定的研究问题，设计如下文献搜索策略:①搜索工具与数据库:采用GoogleScholar、IEEEXplore、ScienceDirect;②搜索关键字:采用关键字组合“tourism”AND(“computer”OR“communicationtechnology①”)，即“旅游”与“计算机”或“通信技术”同时出现;计算机科学与技术是信息科学研究领域中最为活跃的方向之一，计算机科学与技术、通信科学与技术在信息科学研究中具有一定的代表性;经过反复搜索测试，“计算机”与“通信技术”作为关键字与“旅游”进行组合搜索，搜索结果能够较为全面地覆盖信息科学与旅游的交叉研究，实现本文系统综述的研究目标;③搜索的时间范围:2000年之后。(3)文献搜索按照上述搜索策略分别在3个工具与数据库进行搜索。GoogleScholar显示共有54500条结果(2011年12月22日)，其只提供最相关的前1000条;IEEEXplore(搜索字段为“摘要”)共搜索到46条结果(2011年12月24日);ScienceDirect(搜索字段为“题目”或“关键字”或“摘要”)共搜索到36条结果(2011年12月24日)。(4)文献筛选在上述搜索到的条目中，按照表1所示的文献入选和剔除标准，筛选用于本文系统综述的文献。表1所示第一步完成后共有512篇文献入选。第二步经过多次逐步细化筛选，最终确定用于本文系统综述的入选文献共245篇，其中期刊论文158篇，会议论文87篇。245篇文献来自106种期刊和58种会议，文献来源分散且涉及领域广泛，有关文献来源、作者等的定量分析结果已另文撰写［16］，本文则侧重对系统综述研究步骤(1)所确定的研究问题的回答。(5)分析与完成报告根据系统综述研究步骤(1)所确定的研究问题，对入选文献进行分类、分析与总结。分析结果见下一章节。为了分别回答问题1与问题2，本文需要将入选文献划分为旅游研究和信息科学研究两种视角，分别简称为旅游类研究和信息类研究。而事实上，当两种研究产生交叉与融合，进行上述严格区分是较为困难的。为此，本如下处理:(1)按照文献来源所属学科范畴进行划分，如来源于TourismManagement及《旅游学刊》的文献则划入旅游类，来源于ExpertSystemswithApplications及《计算机工程》的文献则划入信息类;(2)按照期刊载文的学科范畴划分，如《华东经济管理》刊载旅游类文章，则归为旅游类，《北京工商大学学报(自然科学版)》刊载信息技术类文章，则归为信息类;(3)按照入选文献的具体内容划分，一些综合性期刊无法直接确认属于哪一类，则阅读入选文章原文，如果偏重人文社会学视角，则归入旅游类;如果偏重信息科学及技术视角，则归入信息类。由此，经管类、电子商务、地理类等期刊归入旅游类中，测绘类期刊归入信息类中;两类分别含有入选文献147篇和98篇。

综述结果与分析

1:信息科学研究中面向旅游的研究主要有哪些方面?“面向旅游”并不特指专用于或专门针对旅游的研究，而是指其研究问题由旅游领域而产生，或者旅游是其最为典型的应用。面向旅游的信息科学研究几乎涉及了信息科学研究范畴的各个方面，而许多研究领域更是体现了信息科学领域较新及较前沿的研究方向与热点，如表2所示①。面向旅游的信息科学研究中最受关注的研究主题是应用系统、人工智能、地理信息系统、移动应用、推荐系统以及语义网与本体等;而Web服务、虚拟现实、普适计算、计算机仿真也受到了一定程度的关注。下面对表2排序前10的研究主题的进展情况进行详细阐述。应用系统指面向各种终端设备，如电脑、手机、PDA(掌上电脑)、电话等使用者的可用人机交互系统，也包含网站(Web)应用系统。本文为了强调移动应用和推荐系统两类特殊的应用系统，在本类研究主题统计中将其排除，另列类别。应用系统研究占据了面向旅游的信息科学研究的较大比重。一方面是因为信息科学向旅游研究中进行渗透的最初方式正是其在旅游行业中的实际应用;另一方面是入选文献中我国研究占据较大比重且较集中于该类研究。应用系统的相关研究可分为:①战略设计或实施建议，如航空业信息技术应用战略与战术研究［17］，以及非洲撒哈拉以南地区的旅游组织实施电子商务的建议［18］;②技术架构设计，如基于面向服务的体系架构(serviceorientedarchitecture，SOA)的旅游资源信息服务模型研究［19］;③系统设计与开发，如一种智能旅游行程导航系统［20］，以及四川［21］、山西［22］和赣东北［23］等目的地或区域管理信息系统的设计与开发。人工智能是面向旅游的信息科学研究较多采用的方法与技术，可将相关研究分成以下几个方面:①推理，即采用人工智能推理技术支撑各种应用系统，如基于贝叶斯网的旅游行程推理［24］;②数据挖掘，如旅游突发事件预测预警［25，26］、消费者特征分析［27］、基于机器学习的旅游博客观点挖掘［28］以及数据仓库技术在旅游业中的应用［29］;③主体(agent)，如主体旅游者进行数据采集、分析并向旅游者进行旅游推荐［30－32］;④评价，如基于神经网络的上海旅游可持续发展能力评价［33］;⑤决策支持，如旅游目的地选择决策支持系统［34］。旅行活动是一种人地关系，地理信息是设计与开发各种旅游应用系统的重要信息资源，地理信息系统就是为这些应用系统提供地理信息使用接口的重要支撑系统。个性化目的地推荐系统［35］、基于短信服务的餐馆推荐系统［36］、导航系统［20］、位置服务系统［37］、旅游资源监控预警系统［38］以及古建筑信息系统［39］等应用系统都离不开地理信息系统的支撑。上述“应用系统”主题研究中，几乎所有面向目的地与区域的管理信息系统的设计与开发都离不开地理信息系统。有关旅游地理信息系统本身的研究也较为活跃，如雅安市WebGIS(万维网地理信息系统)的实现研究［40］、基于WebGIS的旅游地理信息系统研发［21］以及泰山三维(3D)地理信息系统的研发［41］。移动通信技术，特别是移动终端技术的快速发展，使得面向旅游者手持终端(如手机、PDA)的各种移动应用得到了迅猛发展。相比较于传统的计算机应用，移动应用较好体现了旅游以“人为中心”而不是计算机为中心的理念。相关研究主要集中于面向旅游者服务的信息推送与搜索［37］、导航［42，43］、实时路线及目的地推荐［34，36，44，45］;并向普适计算的方向进行扩展，如手机电子门票［46］、基于全球定位系统的车辆监控与导航以及手机与环境之间的交互游戏［47］等。除了面向旅游者服务外，移动应用研究还包含面向旅游研究者、旅游公共管理与服务部门以及旅游企业的旅游行为数据采集与分析，如可通过基于手机数据的散客流分析，对目的地住宿的可容纳量进行估算［48］。移动应用中与位置信息相关的应用也被称为位置服务，如位置信息服务、导航以及实时路线推荐等。推荐系统是为解决互联网“信息过载”问题而提出的一种个性化服务，帮助用户从大量信息中发现其可能感兴趣的或者满足其需求的资源，如信息、服务以及商品等，并自动生成个性化推荐［49］。目前，推荐系统在旅游中的典型应用为旅游行程规划，可面向旅游电子商务用户［50］，也可面向互联网用户［4，51，52］;可规划旅行的时间、地点以及活动等全套行程规划［4，51－53］，也可推荐旅游目的地［35］、餐厅［36］以及住宿［54］等。推荐系统主要采用人工智能［50］、语义网［24，53］、移动应用［36，45］、定位与地理信息系统［36］等技术。相关研究还涉及用户个性语义模型［55］、系统架构设计［56］等方面。语义网(semanticWeb)是传统网站的一种扩展。在语义网中，信息具有明确的含义———语义，人类语言与机器语言之间能够相互理解，机器能够自动地处理和集成网上对于人而言可用的信息，使得人与机器之间的交流变得像人与人之间交流一样顺畅。本体(ontology)是用来描述网络文档中术语的明确含义及其之间关系的技术，能够实现语义网信息处理的自动化，提高网站搜索的准确性以及网站服务质量［57］。旅游领域是语义Web与本体研究的问题来源与典型应用对象，如基于语义Web与本体技术的旅游中小企业间信息交换［58］、动态生成客户供给的客户关系管理［59］、旅游网站信息系统［60］、旅游目的地管理系统［61］以及旅行推荐系统［24，30，53，54，56］。这些系统能够对旅游领域知识进行本体表达，从而集成对于用户有用的或者满足用户需求的语义信息;其中，旅游知识域的本体表达［62］、行程规划的语义信息推理［24］是实现这些系统的关键技术。Web服务(Webservices)是Web上数据和信息集成的有效机制，是解决Web上各种应用系统高维护与更新代价的最为合理的解决方案［57］。因此，Web服务在旅游中主要用于信息集成、交换以及系统之间的互操作［63，64］。Web服务技术对于旅游目的地管理而言非常重要，能够实现旅游目的地营销系统与旅游企业之间以及目的地旅游企业之间的异构数据交换、共享以及集成［65］。Web技术还是Web推荐系统的重要技术之一，能够获取推荐系统所需的动态与实时的万维网数据［52］。虚拟现实技术主要用于旅游目的地、景区、景点的市场营销。国内的相关研究集中于旅游目的地、景区及景点等的虚拟展示，如西安市360度全景虚拟旅游系统［66］、北京妙峰山古建筑群的网络虚拟漫游系统［67］、村镇民俗旅游资源的立体展示［68］。郑鹏等认为这是一种旅游产品的虚拟试用体验［69］。而国外的相关研究则侧重于游客的现场体验，特别针对历史文化遗产与遗迹，如意大利的PEACH(personalexperiencewithactiveculturalheritage，个性化体验活动的文化遗产)项目针对提升游客在博物馆对于文化遗产的体验［70］以及马来西亚凯利城堡(Kellie’sCastle)的虚拟旅游原型研发［71］。虚拟现实技术在旅游中的应用还包含了旅游开发与遗产保护，如十三陵景区的虚拟复原［72］。普适计算模式下人们能够在任何时间、任何地点、以任何方式进行信息的获取与处理。由于移动终端设备及其应用的发展，普适计算在旅游研究中非常活跃，如一种面向移动终端的基于旅游本体的信息广播与推送方法研究，用以解决传统移动终端对于旅游者需要花费昂贵的“漫游”网络连接费用以及需要主动获取信息等问题［73］;一个面向德国雷根斯堡(Regensburg)游客的移动终端游戏的设计与应用，游客可以通过在空中晃动手机来与游戏中的历史人物沟通，该游戏以一种有趣的方式向游客介绍雷根斯堡的历史［74］。普适计算是我国目前形成研究热点的物联网应用的基础理论与技术之一。计算机仿真技术研究中面向旅游的研究包含基于概率统计方法对上海旅游服务系统顾客满意度进行仿真［75］以及基于系统动力学方法对新度假制度对城郊旅游的影响进行仿真［76］等。

问题2:旅游研究中与信息科学相关的研究主要有哪些方面?旅游研究中与信息科学方法与技术相关的研究范围较为广泛，表3显示本文入选文献中归入旅游类的研究主题共有43种①。其中最受关注的研究主题是电子商务、网站评估以及在线消费者行为。人工智能、移动通信、地理信息系统等信息科学方法与技术在旅游中受到了相应重视。旅游网站空间、系统评价、网络营销、应用系统以及正在大范围普及的Web2.0互联网应用模式也受到了旅游研究的重视。信息科学领域中的某些前沿研究也在旅游研究中得到了关注，如计算机仿真、推荐系统、Web服务、语义网与本体。进一步对表3各类主题的文献内容进行剖析与归纳，可以得到以下旅游研究中与信息科学方法与技术相关的6个研究范畴:信息技术对旅游的影响研究主要包含信息技术对旅游产业的影响与信息技术在旅游中的应用影响两个方面。其中，信息技术在旅游中的应用影响又分为现状研究、作用研究、影响因素研究等方面。信息技术对旅游产业的影响主要体现在其对传统旅游产业价值链的重构上，集中表现于电子商务对旅游产业的影响［77］、新型电子中介(供应商、互联网门户网站、拍卖网站、数字电视、移动商务等)对传统电子中介(计算机订座系统、全球分销系统等)的影响［78］、信息技术对分销渠道的影响［79］。信息技术在旅游中的应用现状研究主要侧重于旅游企业，如电子商务在北京旅游企业中的应用现状［80］、土耳其旅行社对互联网的使用情况［81］、爱尔兰旅游中小企业和乡村微型住宿业对信息技术使用情况的分析［82］、南非中小旅游企业对于信息技术使用的状况研究［83］.信息技术对旅游的作用研究既包含旅游企业整体层面，如信息技术对埃及中小接待企业发展的积极作用［84］、知识管理对于澳大利亚旅游业的作用［85］等;又包含旅游企业的某项具体功能，如信息技术应用对于泰国酒店运营效率的作用［86］;还包含旅游资源开发与保护方面，如计算机技术对于泰国古建筑重建的重要作用［87］。信息技术应用的影响因素研究对于旅游业如何有效应用信息技术而言是非常重要的。相关研究包含:①电子商务的应用影响，如泰国旅游企业应用电子商务的影响因素［88］、酒店业应用电子商务的影响因素［89］;②网络营销对旅游企业的影响，如互联网广告对旅行社运营的影响［90］;③旅游企业对技术应用的态度，如希腊旅行社对互联网技术的使用情况与态度［91］;④旅游者对信息技术使用的态度，如游客在度假时是否愿意使用基于技术的信息［92］、影响旅游者使用互联网进行旅游规划的因素［93］。目前，信息技术在旅游中的应用模式研究主要集中于电子商务模式、网络营销以及Web2.0。电子商务模式的相关研究有区域旅游电子商务开发计划研究［94］、旅游电子商务模式现状与趋势研究［95］、旅游电子商务模式［96］以及运营模式研究［97］等。网络营销是除了电子商务之外信息技术在旅游中最主要的应用模式。网络营销研究多围绕网站展开，如英国农村接待企业网站营销现状研究［98］、塞尔维亚旅游网站网络促销现状和形式研究［99］、美国旅游官方网站网络营销使用分析［100］、旅游目的地营销组织网站的客户需求研究［101］。此外，在线葡萄酒旅游［102］以及在线客户关系管理［103］都是一种网络营销方式。随着互联网技术的发展，Web2.0作为一种新型的互联网应用模式受到了旅游领域的高度关注。相关研究可以分为如下几个方面:①营销，即基于Web2.0的网络营销方式，这是目前旅游研究领域最为关注的方面，如Web2.0对克罗地亚旅游产品的营销作用研究［104］、博客对于旅游市场营销的中介作用［105］;②旅游者行为与服务，如Web2.0下网络旅游消费行为模式及旅游网站应用研究［106］、基于Web2.0的用户个性化定制研究［107］以及基于人工智能技术的微博“旅游情感”数据挖掘［108］;③网站分类，如Web2.0旅游网站的分类机制研究［109］。此外，面向产业价值网络的四川旅游信息资源整合推进模式和机制是一种信息技术在旅游中应用模式的有效探索［110］。网站评价是信息技术应用评价研究中最主要的内容［111］。从评价对象上看，相关研究涉及官方旅游网站［112］、目的地营销组织网站［113］、各国及地区旅游网站［114－116］;从评价内容上，包含有效性评价［112］、可用性评价［114，117］、使用分析［118］、功能分析［113，119］、网站设计［116，120］、网站旅游本体分析［121］、游客价值［116］以及网站访问者分析［119］等;从评价方法上有调查法［114］、启发式方法［115］、数据包络分析法［122］、内容分析法［113］、网站日志分析法［118］、领域本体分析法［121］等。随着移动通信技术的发展，移动应用在旅游领域得到了广泛应用，针对移动应用系统的评价研究也受到研究者的关注，如从用户角度对移动应用进行评价［123］、各种移动旅游者指南功能与可用性评价［124］。较传统旅游研究对象，如旅游资源、旅游企业以及旅游者等，信息社会视角的旅游研究对象发生了扩展，如从旅游者的地理时空变化扩展到了在线旅游者行为变化，从旅游资源的空间格局扩展到了旅游网站的网络结构等。在线旅游者行为研究中最受关注的是消费行为研究，如消费影响因素与满意度［125］、忠诚度与推荐行为［126］、在线分享行为［127］。随着社会网络的形成，在线旅游者的情绪研究得到关注，如通过旅游者在论坛、博客(微博)上的评论分析旅游者情绪［3，108，128］，相关方法包含内容分析［3］、统计与语言学分析［128］、人工神经网络方法［108］以及数据挖掘技术［127］等。一项研究还将旅游者的博客进行了计算机可视化，用来辅助其他旅游者的旅行计划［129］。此外，旅游目的地营销组织网站的旅游者在线行为也受到研究者的关注［101］。目的地地理尺度的旅游网站空间结构也受到研究者的关注，主要包含方法研究与案例研究。方法研究有统计方法［130］以及网络拓扑图方法［131－133］等;案例包含欧洲［131］、意大利厄尔巴岛［132］以及河北省［134］等。旅游虚拟社区是社会信息化背景下形成的新型社区，部分旅游研究者对其给予了关注，如针对具有中国文化背景的芒果社区网(Mango)的综合性研究［135］。社会信息化下的旅游研究方法包含两个方面的含义。一是指传统旅游研究方法可借助社会信息化背景进行扩展，如网络调查方法［1，136］扩展了传统现场发放问卷的调查方法;基于射频识别(RFID)与全球定位系统(GPS)技术的追踪系统扩展了传统旅游者游憩行为问卷调查方法，并提高了数据的精度［137，138］;遥感与地理信息系统(RS＆GIS)技术可提高旅游资源监测的准确性［139］等。二是指旅游研究方法对于信息科学方法与技术的借鉴。人工智能是旅游研究中采用最多的信息科学方法与技术，其在旅游研究中的应用可以分为以下几个方面:①需求预测，如基于人工神经网络的西班牙巴利亚利群岛旅游时间序列预测［5］、遗传算法在旅游需求预测中的应用［140］、模糊时间序列及灰色理论在短时间序列旅游需求预测中的应用［141］以及人工智能方法与其他预测方法的比较［142］;②在线行为分析，如基于机器学习(machinelearning)的在线消费者行为数据挖掘［127］;③基于主体(agent)的旅游系统仿真研究，采用人工智能研究领域的重要分支———多主体系统(multi-agentsystem，MAS)对多层面、多地理尺度旅游系统进行计算机仿真，探索旅游主体之间的相互作用与规律，如基于多主体的旅游空间结构演化研究［143］、旅游者在目的地［144］以及景区范围的动态性研究［6］。计算机仿真方法与技术在旅游研究中的应用也受到了旅游研究者的关注，具体研究包含以下几个方面:①预测，如旅游收入预测［145］;②旅游经济研究，如区域旅游经济系统动力学分析［146］;③旅游主体行为研究，如上述人工智能研究中基于主体的旅游系统仿真研究［6，143，144］。地理信息系统(GIS)是信息科学与地理科学的交叉研究领域，作为旅游研究的一种研究方法或工具，主要被用于旅游资源评价［147，148］。随着移动终端设备在旅游者中的普及，旅游研究者对移动应用的相关研究给予了较大关注，如上下文适应的移动应用体系框架设计［149］、上下文相关的信息推动服务系统设计［150］以及用于博物馆导游的多媒体技术研究［151］。语义网与本体是信息科学的前沿领域，但由于其对于提升面向旅游者的网络服务质量具有非常重要的作用，也受到了旅游研究者的关注，如用于搜索引擎的旅游域语义表示研究［152］。智能系统作为信息科学的前沿领域，在旅游研究中也受到了关注，除了综述性研究外［153］，还出现了有关智能系统设计方面的研究［154］。应用系统的规划建议与系统结构设计是旅游研究者较为关注的信息技术研究，如基于知识管理视角的目的地管理系统设计［155］。而其中以我国的相关研究为最多，如赣东北网络旅游信息系统研究［23］、上饶市旅游资源信息系统［156］。数字旅游是一种典型的旅游与信息技术的综合叉研究主题，在我国旅游研究领域受到了关注，既包含了偏重技术的研究，如数字旅游的体系框架［157］，也包含了围绕数字旅游系统建设的保障体系研究，如相关政策法规方面的研究［158］。

问题3:信息科学与旅游的交叉研究有哪些趋势?尽管信息科学与旅游的交叉研究在近12年间经历了快速发展，但其仍然属于新兴交叉学科，其发展需要相关学者更为广泛与深入的探索研究。在本节，笔者在对最近12年信息科学与旅游的交叉研究进行系统整理的基础上，通过捕捉旅游类与信息类研究共同关注的研究主题(表4)，以及基于笔者对信息科学以及旅游研究趋势的把握，找到信息科学与旅游交叉研究中的研究重点，其反映了两类科学的交叉发展趋势，或者研究者们重新认识某些对该交叉领域的发展来讲非常重要的问题。以下分别对它们进行阐述:人工智能方法与技术是信息技术发展的高级阶段，研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术，涉及知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面的研究内容。尽管目前人工智能在旅游中的应用以旅游需求预测最为成熟，然而其相关理论、方法与技术并没有在旅游领域中得到充分应用。如何充分利用人工智能方法与技术来有效处理与使用旅游数据、信息与知识，深入挖掘旅游者、旅游公共管理与服务部门以及旅游企业的特征、存在的问题并进行决策支持，是信息科学与旅游科学交叉研究中较为迫切与前沿的问题。语义网与本体研究是信息科学领域的前沿领域，是海量网络信息之间相互理解的基础。互联网的发展使得传统面向旅游者的“线下”服务扩展至“线上”，包含以传统计算机为中心的和以新兴各种移动终端为中心的“线上”服务，“线上”服务质量对于信息时代的旅游者体验是非常重要的。基于语义网与本体技术的旅游推荐系统正是提升网络服务质量的有效方法与工具，如何将语义网、本体技术以及旅游推荐系统进行理论、方法以及应用上的有效集成，使其对旅游者具有实际应用价值，是信息科学与旅游科学交叉研究中的另一个前沿问题。普适计算是我国目前形成研究热点的物联网应用的基础。随着移动终端设备及其应用的发展，传统以计算机为中心的网络服务扩展至以移动终端—旅游者为中心，基于普适计算模式的连接物与物、人与物、人与人的物联网以及各种移动应用系统在旅游研究与实际应用中得到了重视。然而，无论是普适计算还是物联网，在信息科学研究中都是前沿领域，存在许多未解问题，因此，普适计算以旅游领域为问题域或典型应用，将同时有助于其本身以及旅游问题的解决。

篇3

〔关键词〕知识图谱；专家系统；发展轨迹

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

〔中图分类号〕G250.71 〔文献标识码〕A 〔文章编号〕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

专家系统作为人工智能的一个重要分支，发展已经超过50年，在很多应用领域都获得了广泛使用，取得了丰硕成果。本文运用文献计量这一独特视角对专家系统进行了再回顾和再分析，将智能科技划分为初创期、成长期、低谷期、发展期，利用词频分析、共引分析、作者共现分析等方法揭示专家系统的学科结构、影响程度、关键节点与时间点等重要而独特的知识，为了解和掌握专家系统的发展与演化过程提供了独特视角。

1 数据来源

SCI（Science Citation Index）是美国科学情报研究所ISI（Institute for Science Information）出版的期刊文献检索工具，所收录的文献覆盖了全世界最重要和最有影响力的研究成果，成为世界公认的自然科学领域最为重要的评价工具。本文以Web of Science中的SCI数据库为数据来源，选用高级检索方式，以“Expert System/Experts System”作为主题词，于2011年5月在Web of Secience中进行检索，一共检索到14 500篇相关文献记录。获得的年度分布如图1。所示。虽然，专家系统研究从20世纪五六十年代就开始了，但是从图1可以看出直到1982年才有主题词与专家系统相关的论文出现。图1表明1991年左右，专家系统相关论文达到了峰值，但随后呈逐年下降的趋势。到1999年，只有494篇。但21世纪开始，专家系统相关论文又出现了增加的趋势，并维持在一个稳定的水平中。图1 专家系统在SCI数据库文献发表年度变化情况

2012年2月第32卷第2期基于知识图谱的专家系统发展综述Feb.，2012Vol.32 No.22 专家系统前40年的发展

本文利用基于JAVA平台的引文分析可视化软件Citespace，首先设定时间跨度为1950-1991年，时间切片长度为1年，聚类方式为共被引聚类（Cited Reference），阈值选择为（2，2，20）、（3，3，20）、（3，3，20）。Citespace得出这些引文的时间跨度为1950－1990年，可以绘制出该时间段的专家系统论文时区分布图，如图2所示。我们以年代先后为序，将20世纪80年代以前作为第一阶段，80年代至90年代作为第二阶段。图2 1950-1991年各年度专家系统论文之间的时区分布图

2.1 专家系统起源时期

根据图2显示，这段时期有7个突出节点，既有7位代表人物。第一个节点代表的是“人工智能之父”――英国著名科学家阿兰・麦席森・图灵（Alan Mathison Turing），他于1950年在《心灵》杂志上《计算机器与智能》，提出了著名的“图灵测试”，探讨了机器智能的可能性，为后来的人工智能科学提供了开创性的构思［1］。

第二个节点代表的是美国工程院院士、加州大学扎德（LA.Zadeh）教授，他于1965年在《信息与控制》杂志第8期上发表题为《模糊集》的论文，提出模糊集合理论，给出了模糊性现象定量描述和分析运算的方法，从而诞生了模糊数学。1978年，扎德教授提出了“可能性理论”，将不确定性理解为可能性，为模糊集理论建立了一个实际应用上的理论框架，这也被认为是模糊数学发展的第二个里程碑。同年，国际性期刊《International Journal of Fuzzy Sets and System》诞生，这使得模糊理论得到普遍承认，理论研究高速发展，实际应用迅速推广。

第三个节点代表的美国两院院士、卡内基-梅隆大学教授艾伦・纽厄尔（Allen Newell），1972年，他出版了《人怎样解题》（Human Problem Solving)一书，书中描述了他和西蒙试图建立一个计算机化的“通用问题求解器”的历程：20世纪50年代，他们发现，人类的问题解决，在一定知识领域内可以通过计算机实现，所以他们开始用计算机编程来解决问题，1956年，他们研发出了逻辑理论家和通用问题求解器（General Problem Solver），并建立了符号主义人工智能学派。我们可以看出，这本书是对他以前所作工作的总结与归纳，而逻辑理论家和通用问题求解器正是专家系统的雏形，为专家系统的出现奠定了坚实的基础。

但是艾伦・纽厄尔的尝试无法解决大的实际问题，也很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大搜索空间也难于处理。为此，美国国家工程院院士、斯坦福大学教授费根鲍姆（E.A.Feigenbaum）等人在总结通用问题求解系统成功与失败的经验基础上，结合化学领域的专门知识，于1965年研制了世界上第一个专家系统dendral，可以推断化学分子结构。专家系统进入了初创期，其代表有dendral、macsyma（数学专家系统）等，第一代专家系统以高度专业化、求解专门问题的能力强为特点，向人们展示了人工智能应用的广阔前景［2］。

第四个节点代表人物是美国麻省理工学院著名的人工智能学者明斯基（Minsky）。1975年，他在论文《表示知识的框架》(A Framework for Representating Knowledge，McGraw-Hill)中提出了框架理论，框架理论的核心是以框架这种形式来表示知识。理论提出后，在人工智能界引起了极大的反响，并成为了基于框架的专家系统的理论基础，基于框架的专家系统适合于具有固定格式的事物、动作或事件。

第五个节点代表人物是美国普林斯顿大学教授格伦谢弗（Glenn Shafer），他在1976年出版了《数学理论的证据》（A mathematical theory of evidence）一书，介绍了由他和Dempster于1967年提出的D-S理论（即证据理论）。证据理论可处理由不知道因素引起的不确定性，后来，该理论被广泛应用于计算机科学和工程应用，是基于D-S证据理论的专家系统的理论基础。

第六个重要节点代表是美国斯坦福大学爱德华・汉斯・肖特利夫（Shortliff EH）教授，他于1975年在著名杂志《数学生物科学》上发表《A model of inexact reasoning in medicine》（《在医学模型的不精确推理》）一文，他结合自己1972－1974年研制的世界第一个医学专家系统――MYCIN系统（用于诊断和治疗血液感染及脑炎感染，是第二代专家系统的经典之作），提出了确定性理论，该理论对专家系统的发展产生了重大影响。

第七个节点代表人物是美国麻省理工学院计算机科学和人工智能实验室的戴维斯（Randall Davis）教授，他于1976年提出元知识的概念，并在专家系统的研制工具开发方面做出了突出贡献――研制出知识获取工具Teiresias，为专家系统获取知识实现过程中知识库的修改和添加提供了工具［3］，关Teiresias，他于1977年在《Artificial Intelligence》杂志上中进行了详细介绍，而这也为本时期专家系统的快速增多和广泛应用奠定了坚实基础。

20世纪70年代后期，随着专家系统应用领域的不断开拓，专家系统研发技术逐渐走向成熟。但同时，专家系统本身存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一等问题也被逐渐暴露出来。人们从各种不同类型的专家系统和知识处理系统中抽取共性，人工智能又从具体研究逐渐回到一般研究。围绕知识这一核心问题，人们重新对人工智能的原理和方法进行探索，并在知识的获取、表示以及知识在推理过程中的利用等方面开始出现一组新的原理、工具和技术。

2.2 专家系统发展的黄金时期

20世纪80年代是专家系统突飞猛进、迅速发展的黄金时代，根据图2显示，这段时期共有论文982篇，有7个突出节点。

1980年，出现了第一个节点代表――美国斯坦福大学计算机科学系系主任尼尔森（NILS J.NILSSON），他出版的《人工智能原理》（《Principles of artificial intelligence》）一书，表明了拉近理论和实践的距离的目标，书中对基于规则的专家系统、机器问题解决系统以及结构对象的代表等都进行了具体的论述。

1981年，出现了第二个节点代表――英国赫特福德大学教授Clocksin，威廉F，他出版的《PROLOG语言编程》一书，引起了计算机科学界的极大兴趣，并已被证明是一个重要的编程语言和人工智能系统的新一代基础，是专家系统的重要编程语言。

1982年，出现了第三个节点代表――美国匹兹堡大学教授米勒（Miller RA），他在《英格兰医药分册》上发表了《基于计算机的医学内科实验诊断顾问》（An Experimental Computer based Diagnostic Consultant for General Internal Medicine.N Engl J Med,307,468-76,1982）一文，属当时诊断专家系统的代表力作，书中介绍了著名的内科疾病诊断咨询系统INTERNIST-1，之后将其不断完善成改进型INTERNIST-2，即后来的CADUCEUS专家系统，其知识库中包含了572种疾病，约4 500种症状。

1983年，出现了第四个节点代表――美国的海斯罗斯（Hayes-Roth，F）教授，他于1983年发表著作《建立专家系统》，对专家系统建立的原则和要素、开发的生命周期等重要问题进行了详细讲解，为研究与开发各种类型的专家系统提供了理论依据。

1984年，出现了第五个节点代表――美国匹兹堡大学计算机科学、哲学和医学教授布鲁斯・布坎南（Bruce G.Buchanan），他于1984年发表著作《规则的专家系统：斯坦福启发式编程项目Mycin实验》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，这是有史以来关于医疗诊断系统MYCIN的实验规则库公布。基于规则的专家系统MYCIN是专家系统开发过程中一个里程碑，研究其开发思路与方法具有非常重要的意义。

1985年，出现了第六个节点代表――美国人工智能专家、加州大学教授哈蒙（Harmon P），他出版了《专家系统：人工智能业务》（《Expert systems：artificial intelligence in business》）一书。书中阐述了专家系统如何解决问题，代表知识，并得出推论，并介绍了人工智能的具体制度，确定了专家系统的市场。

1986年，出现了第七个节点代表――著名的专家系统学者沃特曼（Waterman DA），他出版了《专家系统指南》一书，该书对专家系统的概念、组成、建立过程、建立工具、应用领域等做了深入浅出的系统介绍与论述，是当时全面介绍专家研发与应用的经典书籍。

20世纪80年代初，医疗专家系统占主流，主要原因是它属于诊断类型系统且容易开发。80年代中期，出现大量投入商业化运行的专家系统，为各行业带来了显著的经济效益。从80年代后期开始，大量新技术成功运用到专家系统之中，使得专家系统得到更广泛的运用。在这期间开发的专家系统按处理问题的类型可以分为：解释型、预测型、诊断型、设计型等。应用领域扩展到农业、商业、化学、通信、医学等多个方面，成为人们常用的解决问题的手段之一。

然而，与此同时，现有的专家系统也暴露出了自身严重的缺陷，使不少计算机界的知名学者对专家系统产生了怀疑，认为专家系统存在的问题有以下几点：（1）专家系统中的知识多限于经验知识，极少有原理性的知识，系统没有应用它们的能力；（2）知识获取功能非常弱。为了建造专家系统，必须依赖于专家获取知识， 不仅费时， 而且很难获取完备性和一致性的知识；（3）求解问题的方法比较单一，以推理机为核心的对问题的求解尚不能反映专家从认识问题到解决问题的创造性过程；（4）解释功能不强［4］。等到学者们回过头重新审视时，20世纪90年代的专家系统理论危机已然爆发。

3 90年代专家系统向多个方向发展

由于20世纪80年代专家系统研究迅猛发展，商业价值被各行各业看好，导致90年代大批专家系统从实验室走出来，开始了它们的工程化市场化进程。从图1看以看出，在20世纪90年代，专家系统的相关论文不增反减，进入一个局部低谷期，这期间以“Expert System/Experts System”为主题词的论文共7 547篇。本文利用Citespace软件，设置参数为（4，4，20）（4，3，20）（4，4，20），获取了该时期论文的引文聚类图（如图3所示）。图2 专家系统1990－2000年的论文引文聚类图

从图3中我们可以看出，全图的节点比较分散，没有形成大的聚类，这表示该阶段没有形成重点研究方向，也没有重大科研成果和标志性著作产生，专家系统的市场化进程严重牵引了研究者们的注意力，这是专家系统研究陷入低谷期的重要原因。

这段时间专家系统的研究工作大致分以下几个方面：第一个研究方向依旧是建立在扎德（LA.Zadeh）教授模糊理论上的模糊专家系统，它同样是该年代专家系统研究的重点方向。

第二个研究方向是骨架专家系统，代表人物有美国斯坦福大学的爱德华・汉斯・肖特利夫（Shortliff EH）教授。1974年末，MYCIN系统基本建成后，MYCIN的设计者们就想到用其它领域的知识替换关于感染病学的知识，可能会得到一个新的专家系统，这种想法导致了EMYCIN骨架系统的产生。EMYCIN的出现大大缩短了专家系统的研制周期，随后，AGE、OPS5、KEE、KBMS、GESDE等骨架系统应运而生，它们在20世纪90年代专家系统的研究进程中，发挥着重要作用。

第三个研究方向是故障诊断专家系统，代表人物有美国麻省理工学院的兰德尔・戴维斯（Randall Davis）教授。他于1984年在《人工智能》杂志上发表了《基于结构和行为的诊断推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，该论文描述了一个利用知识结构和行为，在电子电路领域进行故障诊断排除的专家系统。之后，故障诊断专家系统在电路与数字电子设备、机电设备等各个领域已取得了令人瞩目的成就，已成为当今世界研究的热点之一。

第四个研究方向是基于规则的专家系统，布鲁斯・布坎南（Bruce G.Buchanan）的著作对基于规则的专家系统在这个时期的发展仍有着积极的指导作用。多种基于规则的专家系统进入了试验阶段。传统基于规则的专家系统只是简单的声明性知识，而目前，规则的形式开始向产生式规则转变，并趋向于提供较完善的知识库建立和管理功能。

第五个研究方向是知识工程在专家系统中的运用。代表人物是美国斯坦福大学的克兰西教授（Clancy W J），他于1985年在《人工智能》杂志上发表了重要论文《启发式分类》（《Heuristis classification》），启发式分类即对未知领域情况的类的识别过程。它是人类思维解决问题的重要方法，在人工智能、专家系统中可常用启发式设计计算机程序，模拟人类解决问题的思维活动。

第六个研究方向是机器学习在专家系统中的运用。代表人物是机器学习领域前辈、澳洲悉尼大学著名教授John Ross Quinlan。他于1986年在《机器学习》（《Mach.Learn》）杂志上发表《决策树算法》（《Induction of Decision Trees》）一文，文中他详细描述了决策树算法的代表――ID3算法。之后，有大量学者围绕该算法进行了广泛的研究，并提出多种改进算法，由于决策树的各类算法各有优缺点，在专家系统的实际应用中，必须根据数据类型的特点及数据集的大小，选择合适的算法。

第七个研究方向是神经网络专家系统，代表人物有人工智能专家Stephan I.Gallant和美国加利福尼业大学教授巴特・卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上发表了《连接主义专家系统》（《Connectionist expert systems》）一文，文中讲述Gallant 设计了一个连接主义专家系统（Connectionist expert system），其知识库是由一个神经网络实现的（即神经网络知识获取），开创了神经网络与专家系统相结合的先例。

第八个研究方向是遗传算法在专家系统中的运用。代表人物是遗传算法领域著名学者、美国伊利诺伊大学David Goldberg教授和人工智能专家L.Davis。1989年，Goldberg出版了专著《搜索、优化和机器学习中的遗传算法》，该书系统总结了遗传算法的主要研究成果，全面而完整地论述了遗传算法的基本原理及其应用；1991年，Davis编辑出版了《遗传算法手册》，书中包含了遗传算法在科学计算、工程技术和社会经济中的大量应用实例，该书为推广和普及遗传算法的应用起到了重要的指导作用。这些都推动了基于遗传算法的专家系统的研发推广。

第九个研究方向是决策支持系统在专家系统中的运用，代表人物是美国加利福尼亚大学伯克利分校教授埃弗雷姆・特班（Efraim Turban）。他于1990年出版了《决策支持和专家系统的管理支持系统》（《Decision support and expert systems:management support systems》）一书。20世纪80年代末90年代初，决策支持系统开始与专家系统相结合，形成智能决策支持系统，该系统充分做到了定性分析和定量分析的有机结合，将解决问题的范围和能力提高到一个新的层次。

第十个研究方向是各种理论知识在专家系统中的综合运用，代表人物是美国加利福尼业大学教授巴特・卡斯科（Bart Kosko）和美国伊利诺伊州研究所教授Abdul-Rahman K.H。卡斯科（Kosko）于1992年出版《神经网络和模糊系统：一个拥有机器智能的动力系统方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一书，这是第一本将神经网络和模糊系统结合起来的读本，也是神经网络与模糊理论综合应用于专家系统建设的经典著作；Abdul-Rahman K.H教授于1995年，在美国电气和电子工程师协会的《电力系统及自动化》（《Transactions on Power Systems》）会议刊上发表了《人工智能模糊无功负荷的最优VAR控制方法 》（《AI approach to optimal VAR control with fuzzy reactive loads》）一文，论文提出了一个解决无功功率（VAR）控制问题，这个方法包含了专家系统、模糊集理论和人工神经网络的重要知识。

虽然专家系统大量建造，但投入实际运行的专家系统并不多，且效率较低，问题求解能力有待进一步提高。原因之一就是专家系统主要是模拟某一领域中求解特定问题的专家的能力，而在模拟人类专家协作求解方面很少或几乎没有做什么工作。然而在现实世界中，协作求解具有普遍性，针对特定领域、特定问题的求解仅仅具有特殊性，专家系统虽然在模拟人类专家某一特定领域知识方面取得了成功，但它仍然不能或难以解决现实世界中的问题。其次，开发的专家系统的规模越来越大，并且十分复杂。这样就要求将大型专家系统的开发变成若干小的、相对独立的专家系统来开发，而且需要将许多不同领域的专家系统联合起来进行协作求解。然而，与此相关的分布式人工智能理论和实用技术尚处在科研阶段。只有分布式系统协作求解问题得以解决，才能克服由于单个专家系统知识的有限性和问题求解方法的单一性等导致系统的“脆弱性”，也才能提高系统的可靠性，并且在灵活性、并行性、速度等方面带来明显的效益［5］。

4 21世纪专家系统进入稳定发展时期

进入21世纪，专家系统开始缓慢发展，这期间以“Expert System/Experts System”为主题词的论文共5 964篇。本文利用Citespace软件，设置参数为（6，6，20）（5，5，20）（5，5，20），获取了该时期论文的引文聚类图（如图4所示）。图4 专家系统2000－2010年的论文引文聚类图

这个时期专家系统有3个主要研究方向：第一个是研究方向是节点明显的基于模糊逻辑的专家系统研究方向。90年代以来，模糊控制与专家系统技术相结合，进一步提高了模糊控制器的智能水平。基于模糊逻辑的专家系统有以下优点：一是具有专家水平的专门知识，能表现专家技能和高度的技巧以及有足够的鲁棒性（即健壮性）；二是能进行有效的推理，能够运用人类专家的经验和知识进行启发性的搜索和试探性的推理；三是具有灵活性和透明性。

第二个是研究方向是Rete模式匹配算法在专家系统中的应用，代表人物是美国卡内基―梅隆大学计算机科学系的Charles L.Forgy教授，1979年，他首次提出Rete算法。专家系统工具中一个核心部分是推理机，Rete算法能利用推理机的“时间冗余”特性和规则结构的相似性，并通过保存中间运算结果的方法来提高推理的效率。1982年，他在《人工智能》杂志上发表《Rete算法：许多模式／多对象的模式匹配问题的一个快速算法》（《Rete:A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》）一文，该文解释了基本算法的概念，介绍了详细的算法，描述了模式和适当的对象交涉算法，并说明了模式匹配的执行操作。

第三个是研究方向是专家系统在电力系统中的运用。世界各国的专家们开始热衷于在电力生产的各个环节使用专家系统，代表人物有日本的福井贤、T.Sakaguchi、印度的Srinivasan D、美国伊利诺伊州研究所的Abdul-Rahman K.H、希腊雅典国立技术大学的Protopapas C.A、和中国的罗旭，他们在美国电气和电子工程师协会的《电力传输》（《IEEE transactions on power delivery）会议刊及《电源设备系统》会议刊（《On Power Apparatus and Systems》）上发表了多篇有影响力的论文，内容涉及系统恢复、电力需求预测、变电站故障诊断和报警处理等多方面。

这十年间，专家系统的研究不再满足于用现有各种模型与专家系统进行简单结合，形成基于某种模型的专家系统的固有模式。研究者们不断探索更方便、更有效的方法，来解决困扰专家系统的知识获取瓶颈、匹配冲突、组合爆炸等问题，而这也推动了研究不断向深层次、新方向发展。但是，由于专家系统应用的时间长、领域广，他们遭遇的瓶颈问题一时得不到有效解决，导致了这一时期末，专家系统研究呈现出暂时的下滑现象。

5 专家系统发展趋势分析

图一发展曲线上第二个时间节点是1992年，从该年起专家系统相关论文呈下降趋势，然后在2002年又开始缓慢增长，近一年多来又开始下降，这标志着专家系统研究在布满荆棘的道路上前行，前景是光明的，但道路是曲折的。本文以5年为一个单位，统计了1990－2009年20年期间专家系统相关论文中高频词的变化情况，如表1所示，从该表可以获得这个时期专家系统研究的一些特点。

（1）在1990-1999年期间，人工智能出现新的研究，由于网络技术特别是国际互连网技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究，使人工智能更加实用，这给专家系统带来了发展的希望。正因为如此，我们从词频上可以看出，人工智能（artificial intelligence）一词在这十年一直位居前两位，在专家系统研究中处于主导地位，而与其相关的知识表示（knowledge representation）、知识获取(knowledge acquisition)等，也成为了学者们研究的重点方向。

（2）该时期的第二个特点是神经网络研究的复苏。神经网络是通过模拟人脑的结构和工作模式，使机器具有类似人类的智能，如机器学习、知识获取、专家系统等。我们从词频上可以看出神经网络（neural network）一词得以快速增长，1995年时位列第一，进入21世纪也是稳居第二位，神经网络很好地解决了专家系统中知识获取的瓶颈问题，能使专家系统具有自学习能力，它的出现为专家系统提供了一种新的解决途径［6］，同时也显示出他独有的生机与活力。

（3）该时期是模糊逻辑的发展时期。模糊理论发展至今已接近三十余年，应用范围非常广泛，它与专家系统相结合，在故障诊断、自然语言处理、自动翻译、地震预测、工业设计等方面取得了众多成果。我们从词频上可以看出，模糊逻辑（fuzzy logic）一词，除在1990－1994年期间位居第六位外，之后都位居前三甲，2000-2004年期间更是位列第一。模糊控制与专家系统技术相结合，进一步提高了模糊控制器智能水平，这种控制方法既保持了基于规则的方法的价值和用模糊集处理带来的灵活性，同时把专家系统技术的表达与利用知识的长处结合起来，能处理更广泛的控制问题。

（4）故障诊断成为专家系统研究与应用的又一重要领域。故障诊断专家系统的发展起始于20世纪70年代末,虽然时间不长,但在电路与数字电子设备、机电设备等各个领域已取得了令人瞩目的成就,已成为当今世界研究的热点之一。这从高频词分布可以开出，故障诊断（fault diagnosis）从1995-1999年间的最后一位攀升至2005-2009年间的第一位，足见其强大的生命力。在专家系统己有较深厚基础的国家中，机械、电子设备的故障诊断专家系统已基本完成了研究和试验的阶段，开始进入广泛应用。

（5）遗传算法的应用逐渐增多。20世纪90年代，遗传算法迎来了发展时期，无论是理论研究还是应用研究都成了十分热门的课题。尤其是遗传算法的应用研究显得格外活跃，不但应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高。进入21世纪，遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新、更工程化的应用方面。这在高频词分布中可以看出，以2000作为临界点，遗传算法（genetic algorithms）从20世纪90年代的10名之后，到位于高频词前六强之中，充分反映出它发展的良好势头。

6 小 结

专家系统是20世纪下半叶发展起来的重大技术之一，它不仅是高技术的标志，而且有着重大的经济效益。“知识工程之父”E.Feignbaum在对世界许多国家和地区的专家系统应用情况进行调查后指出：几乎所有的ES都至少将人的工作效率提高10倍，有的能提高100倍，甚至300倍［7］。

专家系统技术能够使专家的专长不受时间和空间的限制，以便推广稀缺的专家知识和经验；同时，专家系统能促进各领域的发展，是各领域专家专业知识和经验的总结和提炼。

专家系统发展的近期目标，是建造能用于代替人类高级脑力劳动的专家系统；远期目标是探究人类智能和机器智能的基本原理，研究用自动机模拟人类的思维过程和智能行为，这几乎涉及自然科学和社会科学的所有学科，远远超出了计算机科学的范畴。

随着人工智能应用方法的日渐成熟，专家系统的应用领域也不断扩大。有人类活动的地方，必将有智能技术包括专家系统的应用，专家系统将成为21世纪人类进行智能管理与决策的工具与助手。

参考文献

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

［2］黄可鸣.专家系统二十年［J］.计算机科学，1986，（4）：26-37.

［3］路耀华.思维模拟与知识工程［M］.北京：清华大学出版社，1997．

［4］赵致琢.专家系统研究［J］.贵州大学学报：自然科学版，1990，（6）：40-48.

［5］邹光宇.专家系统发展现状及其应用前景［J］.电力勘测，1994，（3）：21-26.

篇4

一、机电一体化的产生与应用

我国从20世纪80年代开始开展机电一体化研究和应用。取得了一定成果，它的发展和进步依赖并促进相关技术的发展和进步。机电一体化已成为一门有着自身体系的新型学科，随着科学技术的不断发展，还将被赋予新的内容。

二、机电一体化的发展现状

机电一体化的发展大体可以分为3个阶段。20世纪60年代以前为第一阶段，这一阶段称为初级阶段。在这一时期，人们利用电子技术的初步成果来完善机械产品的性能。特别是在第二次世界大战期间，战争刺激了机械产品与电子技术的结合，这些机电结合的军用技术，战后转为民用，对战后经济的恢复起了积极的作用。那时研制和开发从总体上看还处于自发状态。由于当时电子技术的发展尚未达到一定水平，机械技术与电子技术的结合还不可能广泛和深入发展，已经开发的产品也无法大量推广。

篇5

关键词:选煤;自动化;技术;要求

中图分类号:TD5 文献标识码:B 文章编号:1009-9166(2010)020(C)-0108-01

一、概述

实现选煤厂综合自动化是我国选煤工业发展的必然趋势,随着洁净煤技术的研究,作为洁净煤技术的源头技术――选煤方法,取得了很大发展,发展选煤技术就是要谋求短期的经济效益和长期的社会效益、环境效益相统一,选煤综合自动化技术更是选煤技术的重中之重,这里包括选煤厂生产自动化、操作参数优化、产品质量预测与控制智能化、管理与销售信息化以及各个系统的集成综合自动化,这些技术的实现对选煤技术的发展有着积极的推动作用。

二、煤综合自动化对选煤技术的要求

(一)故障诊断技术

现代化选煤厂的发展趋势是工艺流程简化、设备大型化、单台化(取消了备用设备)。与此同时,目前选煤厂用的各类大型机电设备(主要指国内设备)和检测仪器普遍存在稳定性、可靠性差等缺点,要想实现选煤厂的综合自动化,必须大力发展故障诊断技术。考虑到选煤厂设备分散布置的特点,开发分布式故障诊断系统成为必然,其中基于Multi―Agents System技术的分布式人工智能技术作为一种建立在分布式控制结构基础上的智能手段的集成方法,以其特有的优势正日益受到人们重视。

作为解决选煤过程故障诊断的Multi―Agents系统,利用并行分布式处理技术和模块化设计思想,把选煤过程分解成相对独立的智能体子系统,通过智能体之间的合作与竞争来完成对复杂故障问题的求解。通过实施基于多Agents的故障诊断技术,可使选煤过程始终保持在良好的状态生产中,变定期维修制度为预知维修,缩短维修时间,为选煤综合自动化的最终实现提供技术保障。

(二)先进控制、智能控制技术

近年来,随着人工智能技术和其他信息处理技术,尤其是信息论、系统论和控制论的发展,智能控制在控制机理和应用实践方面均取得了突破性的进展。遗传算法与模糊逻辑、神经网络相互融合,通过模拟人类思维方式和结构来设计用于解决复杂的各种非线性问题的控制策略,并已在各种实际工程中得到应用,取得了良好的效果。

通过知识工程方法将有关对象的定性知识、人的经验知识与技巧和启发式逻辑推理有效地集成起来,构成知识库系统,以支持系统控制策略和算法的优选及运行状态的优化。利用神经网络对于复杂无模型不确定问题的自适应能力和学习能力,可以用于控制系统的补偿环节和自适应环节,以及非线性系统的辨识和控制。其快速优化的计算能力,可用于复杂控制问题的优化计算;同时充分发挥各种智能方法和技术的特长,通过它们的有机结合,形成互补的综合智能集成技术,为选煤工业过程控制和优化提供强有力的技术支撑。

(三)软测量技术

选煤工业属于典型的流程工业,纵观世界范围内流程工业的发展,目前,正在由简单控制向先进控制、智能控制,由单一控制向综合自动化方向即CIPS方向发展,目前在过程控制领域,智能仪表快速增加,依靠过程信息进行统计诊断和过程统计控制,是高度自动化的关键,要实现高精度在线实时决策,软测量技术的重要性凸显出来。在大力加强和完善传统传感器和仪表精度与可靠性的同时,寻求检测技术新机理、新方法来提高选煤厂在线检测水平,扩大选煤厂检测、监控工艺参数范围,满足选煤综合自动化发展需求是一个重要的研究方向。

软测量技术可在一定程度上代替现有的人工分析和在线分析仪测量某些分析指标,是对生产过程进行先进控制和优化控制的前提和基础。开发高性能的软测量仪表也是在尚未解决过程参数,尤其是质量参数的“硬”测量技术前提高选煤工程综合自动化的关键。软测量技术为选煤工业重要工艺参数的检测、监控乃至控制提供了检测、测量的新思路,可对选煤工业现有传感器品种不足提供重要补充。

(四)数据挖掘和知识发现

如何从过去的数据中发现有用的信息,提取有用的知识,把所获得的知识用于过程监控,提高过程自动化水平,实现生产过程的操作管理、控制一体化是值得研究的课题。数据挖掘与知识发现技术应用于过程监控是近几年的事,显示了巨大潜力。过程监控数据挖掘和知识发现方法可以按不同的方法进行分类,根据功能和应用目的,过程监控中的数据挖掘与知识发现方法可概括为:特征提取、聚类与分类、相关与依赖分析和综合。知识发现是一个复杂的过程,过程监控中数据挖掘与知识发现是一种新技术,还没有形成完整的理论体系,其应用都是针对具体问题展开研究。

结束语:近年来,美国、德国、英国和澳大利亚等国相继开发成功并使用了各种在线检测装置,实现了选煤厂受煤系统、重介质系统、跳汰系统、浮选系统、干燥系统和装车系统的自动控制,选煤厂入料也实现了均质化,这些自动化装置配合计算机集成过程系统,为选煤厂保证产品质量和提高产率起到了重要作用,对于加快选煤过程综合自动化的进程,推动选煤工业的发展具有重要意义。

作者单位:淮南矿业集团张集选煤二厂

参考文献:

[1]唐晓萍.数据挖掘与知识发现综述[J].电脑开发与利用,2003.

篇6

美国麻省大学(University of Massachusetts Amherst)阿默斯特校区(以下简称麻省大学)是马萨诸塞州立大学系统五个校园中的主校园,是美国知名的研究型大学。该校创办于1863年,坐落在美国东部美丽的新英格兰地区。

麻省大学计算机系成立于1964年,其研究生教育也有超过40年的发展历史。由最初的3名教授发展到现在拥有43名教授,其中包括9名ACM计算机学会(Association for Computing Machinery)院士(Fellow)、4名电子和电气工程师协会(IEEE)院士、5名人工智能学会(AAAI)院士和2名美国科学促进协会(AAAS)院士。麻省大学计算机系在人工智能、网络与分布式系统、计算理论等多个领域的研究处于世界领先水平。作为美国知名的计算机系,麻省大学计算机系的教育理念是“培养下一代能以创新的方法解决真实世界问题的计算机科学家”(cs.umass.edu/grads/msphd-requirements)。在这个核心思想的指导下,该系非常注重对博士研究生的培养,为了达到培养学生具备进行原创性科学研究(Original Research)的能力的教育宗旨,该系制定了一套非常严格的课程计划,以培养学生坚实而广博的基础知识、良好的科学研究方法和思维习惯。麻省大学计算机系每年大约会收到1000份左右来自世界各国的优秀学生的申请,攻读其博士学位,而录取的人数一般保持在30名左右。完善和严格的博士研究生培养体系、开放而先进的教育理念,使麻省大学计算机系成为全美最具有竞争力的计算机院系之一。

麻省大学计算机系招收两种形式的博士研究生:硕士/博士连读研究生和直博研究生。只有在美国其他大学获得相应计算机硕士学位,并修完麻省大学计算机系认可的相关课程的学生,才有资格申请直接攻读博士学位;否则,学生在录取后必须经过硕士/博士的连续培养才能获得博士学位。

无论哪种形式,麻省大学计算机系博士生培养大体分为两个阶段:博士生资格学习阶段和博士生研究阶段。博士生资格学习阶段主要是对学生进行基础知识培养和基本研究能力训练。学生只有在通过博士资格考试论证,成为正式博士候选(PhD Candidate)人后,才能进入下一步的博士论文研究阶段学习。以下是麻省大学计算机系对硕士/博士研究生的培养要求:

(1)Actively participate in research under the guidance of an advisor(在导师的指导下,积极参与研究)

(2)Satisfy 6 Core Requirements (完成6门核心课程的要求)

(3)Complete 42 course credits (core courses taken to satisfy core requirements are included)(完成42个课程学分,其中包括核心课程的学分)

(4)Complete a 6-credit MS Project (完成6个学分的硕士研究项目)

(5)Graduate with an M.S. Degree(申请获得硕士学位)

(6)Pass the Department Qualifying Exam- Portfolio(通过博士资格考试)

(7)Form a Committee(成立答辩委员会)

(8)Propose a Thesis(提交博士开题报告)

(9)Complete 18 Dissertation Credits (完成18个学分博士论文)

(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) (完成连续两个学期修9个学分的要求)

(12)Defend and Submit a Thesis (博士答辩和提交博士论文)

本文将以麻省大学计算机系为例,探讨美国计算机专业博士研究生培养的一个重要环节――博士研究生课程教育体系的特点,以期为提高我国的计算机专业博士生教育提供借鉴。

2掌握牢固的理论知识是培养优秀博士生的基础

美国的计算机博士教育非常注重对学生基础理论知识的培养,为了使学生掌握牢固而广博的基础知识,麻省大学计算机系要求每个硕士/博士研究生必须修完6门博士核心课程,而且成绩必须达到B+以上。这些核心课程分别属于计算机科学的三大领域:理论(Theory)、系统(Systems)和人工智能(Artificial Intelligence),课程设置具体如下:

(1) 理论核心课:计算理论(Computation Theory)、高级算法(Advanced Algorithms)

(2) 系统核心课:有三组课程,分别是:

编译技术(Compiler Techniques)、现代计算机体系结构(Modern Computer Architecture)

数据库设计和实现(Database Design and Implementation)、高级计算机网络(Advanced Computer Networking)、操作系统(Operating Systems)

高级软件工程I(Advanced Software Engineering: Synthesis and Development)、高级软件工程II(Advanced Software Engineering: Analysis and Evaluation)、程序设计语言(Programming Languages)

(3) 人工智能核心课程:高级人工智能(Artificial Intelligence)、机器人学(Robotics)、信息检索(Information Retrieval)、不确定环境下的推理(Reasoning and Acting under Uncertainty)、增强型学习(Reinforcement Learning)、机器学习(Machine Learning: Pattern Classification)

根据不同的研究方向,学生可以在六门核心课程的选择上有所不同,但为了加强理论基础和掌握知识的广度,无论哪个研究方向的学生,都必须修完两门理论核心课程和一门高级人工智能课程,同时,再根据自己的研究方向选修其他三门核心课程。例如,一个系统方向的博士研究生除了修完以上两门理论和一门人工智能课程以外,还必须修完来自于系统方向不同组的三门系统方向的课程;而一个人工智能方向的博士生则必须修完另外两门人工智能方向的核心课程和一门系统方向的核心课程。

每门核心课程由教师讲授一学期,其中每星期2次课,每次2小时,3个学分。根据内容不同,每门课程一般要安排5～8次书面作业、1次期中考试和1次期末考试。其中,对系统方向的课程来说,每个章节完成后一般还有一次课程项目设计(Course Project),主要要求学生实现相应的算法和进行性能评价。由于核心课程要求高,课程学习内容多,导师和系里会建议学生每学期选学不超过一门的核心课程,所有6门核心课程则在三年内完成。如果成绩没有达到B+,麻省大学计算机系允许学生重修该核心课;但是,如果学生在规定的博士资格考试申请时间前没有通过全部的6门核心课,则不再具备继续攻读博士的资格。

严格的核心课程作业、考试制度和淘汰制度,不但使学生牢固掌握了计算机科学各领域的基础知识,培养了学生勤奋刻苦的专研精神,而且极大地丰富了学生的视野,为学生进入实际科学研究打下了坚实的基础。

3灵活而完善的博士生选修课程体系是培养创新型人才的重要途径

美国一流研究型大学博士生教育的目标是培养世界一流的科学家和拔尖创新型人才,为了实现这个目标,美国的博士生教育除了注重培养学生扎实和精深的基础知识外,还非常注重培养学生的创新思维和发现新问题的探索精神及能力。

如果核心课程体系的设置是培养优秀博士生的基础,是向学生传授学科领域的重要基本知识和原理与技术,是学生全面掌握计算机基本理论与方法的重要途径,那么,选修课的设置则是对学科基本知识的补充,是培养学生学习新的知识和了解并探索前沿研究方向,从而成为创新型人才的重要手段。

麻省大学计算机系的做法是,在博士研究阶段,除了要求学生完成18个学分(6门)的核心课程学习以外,还要求完成24个学分(8门)的非核心课程(或称为选修课)学习。这些选修课大多是关于本学科及相关专业前沿领域近3～5年的新研究方向、研究方法或新技术的相关内容的介绍,一般由教师在每学期开学前提出新的课程计划,学生则根据自己的研究兴趣和职业目标自由选课。通过课程的学习,学生能在最短的时间内了解本学科相关领域的最新研究现状,更重要的是,在课程的学习过程中,教授会将许多新出现的问题在课堂上和学生讨论,同时,通过2～3个课程项目培养学生独立(或合作)解决新问题的能力,以及教会学生各种探索问题的研究方法。

在教学模式上,可以采用由教授主讲的传统方式,也可以采用以讨论为主的方式。以教授为主讲的教学模式在此就不再赘述,以下着重描述以讨论为主的选修课教学模式。

以讨论为主的Seminar是美国计算机院系的教授最常用的选修课教学模式。Seminar的课程设置没有固定模式,但通常有以下几方面的特点。

第一,课程的选题一般是近年新出现的有代表性的前沿研究课题。

第二,课程内容的选择一般来自近年来该领域顶级国际会议的专题论文。

第三,课程内容的组织由教师完成。教师在确定题目后,一般会根据论文的情况将讨论的内容分为多个子专题,每个子问题由3～4篇论文组成。课程的开始一般是综述性的论文或在该领域出现的最早的学术论文,其目的是探讨该研究方向出现的新的应用背景需求和所带来的新的挑战。其后的每个子专题则将对具体问题和方法进行深入探讨。

第四,选课的学生人数一般在20～30人左右,而且通常是由学完了核心课程以后的高年级博士生组成。学生人数太少,论文的覆盖面可能太小;学生太多,可能导致讨论的深度不够。同时,只有学完了基本理论后,学生才有可能具备较深入分析问题的能力。在Seminar的学习讨论中,找到新的研究问题也是该课程设置的重要目的之一。

第五,课堂教学的模式基本上是教师和学生互动的教学方式。教师在第一节课引导学生对该领域的基本问题有了初步认识后,学生将对每篇论文进行评估(Review)、宣讲(Presentation)和进行课堂讨论。每篇论文的宣讲时间是25～30分钟,课堂讨论时间是10～15分钟。其中教师将引导学生对论文中所研究的问题和关键技术进行深入讨论,学生参与讨论的情况将作为课程考核的重要依据。

选择合适的题目并对教学讨论的内容(论文)进行筛选和组织对开课教师的要求非常高。为了准备一门新的Seminar课,教师一般需要预先通读该研究方向所有重要国际会议的相关论文,然后根据不同的研究问题对论文分类,并将其中有代表性的论文提炼出来,作为课程学习的论文。在课程项目的设置上,教师会事先准备一些题目,如对某些算法的实现、评估和改进,实现原形系统等,同时也非常鼓励学生在论文讨论的过程中有针对性地提出自己的见解和新的解决问题的方法。

4合理的课程学习安排是培养高质量博士生的有效保证

美国的博士教育是以博士生的最终质量为评判标准,而不是以年限来规定学生的毕业时间。在美国计算机专业,培养一个硕士/博士生一般需要至少5年时间。由于强调博士生专业知识学习的深度和广度,在整个博士学习阶段,博士生都会积极参与课程的学习,并尽可能地将研究项目中的问题和课程学习联系起来,用所学到的方法或思路来解决新问题。

以麻省大学计算机系为例,虽然学生的背景不同,但为了在保证质量的前提下帮助学生用最短的时间顺利完成博士课程要求和博士论文要求,系里建议学生按如表1所示的时间表安排整个博士阶段的学习计划。

麻省大学计算机系不但在本系有完善的研究生课程体系,学生可以根据自己的研究兴趣和职业规划来自由选课,而且也鼓励学生在其他相关院系选修本系没有开设但对研究有用的课,如数学系或电子工程系的高级课程。总之,美国博士教育的一个重要特点是强调基础知识的学习,鼓励学生以积极的态度参与到课程的学习中,同时训练学生在课程学习的过程中逐步学会发现问题和研究问题的方法。

5启示和建议

美国的博士教育强调坚实的基础理论知识、完善的知识体系和用于探索与创新的研究能力,而这些恰恰是决定博士毕业生日后发展潜力的关键。长期以来,我国计算机博士教育主要是通过参与科研项目的形式来对学生进行培养,这种“研究项目驱动型教育”在我国恢复研究生教育的初期起到了很好的推动作用,培养了大批科研人才。但随着教育本质的回归和创新型人才培养的需要,从总体来看,我国的这种单纯强调研究项目的教育模式培养的博士生,质量与国际先进水平相比还有一定的差距。由于没有严格的博士课程要求和淘汰制度,学生在学习阶段往往会忽略对基础知识的学习和对知识结构的完善。长此以往,必然会影响博士生的研究水平和发展潜力,最终将会影响国家的整体创新能力。

笔者建议,为了使学生掌握牢固的专业基础知识,同时培养学生在某一学科领域的研究兴趣和基本的研究能力,应该首先强调核心课程体系的建设,不论哪个方向的学生都必须通过一定数量的核心课程的学习,如算法、分布式操作系统、人工智能等,这些核心课程应由教师来讲授;同时,应严格课程的考核制度和课程评价体系。对于选修课,由于其主要目的是扩展学生的视野,培养学生分析问题和研究问题的能力,所以应借鉴国内外Seminar课程的成功经验,积极有效地激励教师和学生共同上好Seminar课。

博士生教育是一项复杂而艰巨的系统工程,而其中的课程学习是研究生培养中非常重要的一个环节,如何通过严格的培养机制和灵活的培养方法,在给学生传授基础知识的同时培养学生分析问题和解决问题的能力;如何将合理的研究生课程体系和研究项目结合起来,严格博士生培养机制,完善博士生资格评估体系,从制度上保障博士研究生的质量;以及如何真正教会学生探索科学基本问题的方法,培养学生良好的科研习惯和勇于开拓创新的精神等,是我们在计算机学科建设中应该进一步思考的问题。

篇7

关键词：应急； 预测； 支持向量机； 人工神经网络 ；案例推理法

一、引言

“预测”这一件事，从古到今都是人们苦苦追求与探索的话题：从“先知三日，富贵十年”到“凡事预则立，不预则废”；从活跃在中国民间的算命先生，再到西方观测星象的占卜师，无不寄予着世人对未知的好奇和对未来的向往。随着科技进步与时展，特别是计算机技术的飞跃，给予人们更强大、更客观的手段和方法进行预测。本文以应急物资需求为背景，通过对各类预测方法的介绍和对比，为应急物资的需求预测寻求最佳途径。

二、预测方法分类及研究现状

由于预测的对象、目标、内容和期限的不同，近几十年来形成了多种多样的预测方法。据不完全统计，目前世界上有近千种预测方法，其中较为成熟的有150多种，常用的有30多种，用得最为普遍的有10多种，但目前为止还没有一个完整、统一、系统的分类体系。本文依照我国常用的分类方法，将预测方法分为定性分析和定量分析两大类。

1. 定性分析预测法

定性分析预测法是指预测者根据历史与现实的观察资料，依赖个人或集体的经验及智慧，对未来的发展状态和趋势做出判断的预测方法。其主要方法包括专家意见法、头脑风暴法和德尔菲法等。定性预测的优点在于，能够较大程度地发挥人的主观能动作用，简单迅速，省时省力，具有较大的灵活性；同时它的缺点也是显而易见的：由于它较为依赖于人的经验和主观判断能力，从而易受人的知识、经验和能力的多少大小的束缚和限制，尤其缺乏对事物发展作数量上的精确描述。因此，定性分析预测法在现代预测技术中逐渐淡出，定量分析预测法成为预测的主要手段。

2. 定量分析预测法

定量分析预测法主要依据调查研究所获取的数据资料，运用统计方法和数学模型，近似地揭示预测对象及其影响因素的数量变动关系，建立对应的预测模型，据此对预测目标做出定量测算的预测方法。它通常可分为时间序列分析预测法和因果分析预测法。

（1）时间序列分析预测法

时间序列分析预测法是以连续性预测原理作指导，利用历史观察值形成的时间数列，对预测目标未来状态和发展趋势做出定量判断的预测方法。较为常用的时间序列分析预测法主要有指数平滑法（包括双指数平滑、三次指数平滑和无季节指数平滑等）、移动平均法、ARIMA模型（也称Box-Jenkins法）等。

（2）因果分析预测法

因果分析预测法是以因果性预测原理作指导，以分析预测目标同其他相关事件及现象之间的因果联系，对事件未来状态与发展趋势做出预测的定量分析方法。较为常用的主要有回归分析预测法、计量经济模型预测法和投入――产出分析预测法等。随着数学方法在计算机上的运用和实现，经济学的研究与数学和计算机科学的联系更为紧密。近年来，许多人工智能预测模型层出不穷，极大丰富了预测的方法和手段。

三、应急物资需求预测的研究现状

应急物资是指为应对自然灾害、事故灾难、公共安全事件和社会安全等突发性公共事件应急处置过程中所必需的保障性物资。应急物资的需求是应急物资保障的首要环节，它具有时间上和数量上的不确定性等特点。因此，做好应急物资的需求预测有着重要的现实意义。就国内目前的研究来看，主要体现在运用人工智能方法构建预测模型，时下最流行、使用最广泛的方法有CBR（案例推理法），ANN（神经网络模型），SVM（支持向量机模型）等。

1.案例推理法（CBR）

案例推理法（Case―Based Reasoning，简称CBR）最早是由耶鲁大学Schank 教授在Dynamic Memory：A Theory of Reminding and Learning in Computers and People（1982）一文中提出的，它是人工智能领域的一项重要推理方法。国外自上世纪 8O 年代后期对 CBR 的理论和方法进行了系统研究，在通用问题求解、法律案例分析、设备故障诊断、辅助工程设计、辅助计划制定等领域取得实用性成果[1]；国内运用CBR方法对应急物资需求进行预测，取得了一定的进展：傅志妍，陈坚[2]运用欧氏算法寻求最佳相似源案例，建立案例推理――关键因素模型对目标案例进行需求预测，并通过实例验证了模型的科学有效；王晓、庄亚明[3]将模糊集理论、神经网络Hebb学习规则和多元线性回归与案例推理法相结合，较为准确地预测出非常规突发事件的资源需求；Fu Deqiang[4]等人使用了一种基于案例推理和BP神经网络的精度预测法，同样通过目标案例证实了模型的可靠性。

虽然案例推理法出现的时间较早，且在各领域得到了广泛的运用，但是这种预测方法有着较大的经验成分，且案例库的建立是进行案例推理分析的首要步骤和困难之处。而目前对于案例库的建立存在着数据不全，缺失以及无系统整理归档的问题。

2.人工神经网络（ANN）

人工神经网络最早是由Lapedes和Farber于1987年在《运用神经网络进行非线性信号处理：预测和系统模型》[5]一文中提出并使用的，他们用非线性神经网络对计算机生成的时间序列仿真数据进行训练和预测。王其文[6]等人和Chin Kuo[7]等分别通过对神经网络和传统回归预测方法的比较，证明了神经网络在预测中的优越性。

对于神经网络在应急物资需求预测中的使用，国内相关文献较少。笔者认为具有启发性的是在《大型地震应急物资需求预测方法研究》[8]一文中，郭金芬和周刚先利用 BP 神经网络算法对灾后人员伤亡人数进行预测，然后结合库存管理知识估算出灾区应急物资的需求量；随后，郭在其硕士论文中对该问题做出较为系统的研究[9]。而神经网络在物流需求预测中的运用，对应急物资需求预测是同样具有借鉴意义的：后锐、张毕西[10]提出基于MLP 神经网络的区域物流需求预测模型，揭示了区域经济与区域物流需求之间的非线性映射关系， 为区域物流需求预测提供了一种新思路和新方法；苗鑫[11]等人用扩展卡尔曼滤波和人工神经网络相结合的复合算法对物流需求进行预测，并在与常规BP神经网络算法的预测误差比较中，显示出其较高的可靠性；牛忠远[12]依据物流需求的时间序列统计数据，应用人工神经网络多步预测和滚动预测方法建立预测模型，对我国物流需求进行实证分析研究。

3. 支持向量机（SVM）

支持向量机是建立在统计学习理论的VC维理论和结构风险最小原理基础上，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以求获得最好推广能力的一种方法。它是由Vapnik等人于1995年提出的[13][14]，现已广泛地应用于模式识别、语音识别、时间序列分析、生物信息学及经济学等领域。

支持向量机在应急物资和物流需求预测中的研究，国内文献一般集中在以下几个方面：赵一兵[15]等人运用支持向量机回归算法建立了地震中人员伤亡预测模型，而后结合库存管理模型对应急物资进行了估算，并在实例中验证了模型的有效性；吴洁明[16]等运用支持向量机对历史物流需求量的数据进行学习，而后通过粒子群算法获得模型最优参数对物流需求进行预测；何满辉[17]等针对支持向量机在处理数据时无法将数据简化的问题，提出了基于模糊粗糙集与支持向量机的区域物流量预测方法；朱莎[18]提出了基于小波分析和支持向量机的组合预测方法，建立了针对紧急救援阶段和后续救援阶段的血液需求预测模型，并在汶川地震的案例中体现出该模型较高的精度。

从以上文献中我们可以发现，案例推理法，人工神经网络和支持向量机的应用，都体现出跨学科，跨专业的特点，它们将生物学或计算机科学等自然科学的研究方法推广到经济管理等社会科学中，并很好地解决了现实问题。

四、结束语

本文首先通过对现有预测方法的简要介绍，提出运用近年来兴起的人工智能方法对预测问题的研究；而后从应急物资需求的视角出发，对国内外解决应急物资需求预测方法做出总结回顾。通过分析，笔者认为支持向量机（SVM）更适合运用于对历史数据较少或不全的应急物资需求进行预测。下一步的工作将是对预测指标的选取和影响因子的量化，以及对输入SVM训练数据的处理，并在实例中验证该预测方法的精确度和有效性。

参考文献：

[1]侯玉梅，许成媛. 基于案例推理法研究综述[J]. 燕山大学学报（哲学社会科学版）， 2011， 12（4）： 102-108.

[2]傅志妍，陈坚.灾害应急物资需求预测模型研究[J].物流科技，2009（10）：11-13.

[3]王晓，庄亚明.基于案例推理的非常规突发事件资源需求预测[J].西安电子科技大学学报，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， 吕景峰， 刘广灵等. 人工神经网络与线性回归的比较[J]. 决策与决策支持系统， 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，周刚.大型地震应急物资需求预测方法研究[J].价值工程，2011（22）.27-29.

[9]郭金芬.面向大型地震的应急物资需求预测方法研究[D]. 天津：天津大学，2011.

[10]后锐，张毕西. 基于MLP神经网络的区域物流需求预测方法及其应用[J]. 系统工程理论与实践，2005， 25（12）： 43-47.

[11]苗鑫，西宝，邹慧敏. 物流需求的动态预测方法.哈尔滨工业大学学报[J]. 2008， 40（10）： 1613-1616.

[12]牛忠远. 我国物流需求预测的神经网络模型和实证分析研究[D]. 浙江：浙江大学， 2006.

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

[14]VAPNIKV，张学工译.《统计学习理论的本质》 [M]. 北京：清华大学出版社，2000.

[15]赵一兵，高虹霓，冯少博. 基于支持向量机回归的应急物资需求预测[J]. 2013， 30（8）： 408-412.

[16]吴洁明，李余琪，万励. 物流需求预测算法的仿真研究[J]. 2011， 28（9）： 246-249.

[17]何满辉，逯林，刘拴宏. 基于模糊粗糙集与支持向量机的区域物流量预测[J]. 2012，12（3）：129-134.

篇8

【关键词】 机电一体化 现状 发展趋势

一、机电一体化的产生与应用

20世纪60年代以来,人们利用电子技术的初步成果来完善机械产品的性能后,刺激了机械产品与电子技术的结合。计算机技术、控制技术、通信技术的发展,为机电一体化的发展更进一步奠定了技术基础。20世纪80年代末期,机电一体化技术和产品得到了极大发展。各国均开始对机电一体化技术和产品给以很大的关注和支持,20世纪90年代后期,开始了机电一体化技术向智能化方向迈进的新阶段,机电一体化进入了深入发展时期。光学、通信技术等进入了机电一体化,微细加工技术也在机电一体化中展露头脚,出现了光机电一体化和微机电一体化等新分支。我国从20世纪80年代开始开展机电一体化研究和应用。取得了一定成果,它的发展和进步依赖并促进相关技术的发展和进步。机电一体化已成为一门有着自身体系的新型学科,随着科学技术的不断发展,还将被赋予新的内容。

二、机电一体化的发展现状

机电一体化的发展大体可以分为3个阶段。20世纪60年代以前为第一阶段,这一阶段称为初级阶段。在这一时期,人们利用电子技术的初步成果来完善机械产品的性能。特别是在第二次世界大战期间,战争刺激了机械产品与电子技术的结合,这些机电结合的军用技术,战后转为民用,对战后经济的恢复起了积极的作用。那时研制和开发从总体上看还处于自发状态。由于当时电子技术的发展尚未达到一定水平,机械技术与电子技术的结合还不可能广泛和深入发展,已经开发的产品也无法大量推广。

20世纪70年代~80年代为第二阶段,可称为蓬勃发展阶段。这一时期,计算机技术、控制技术、通信技术的发展,为机电一体化的发展奠定了技术基础。大规模、超大规模集成电路和微型计算机的迅猛发展,为机电一体化的发展提供了充分的物质基础。

20世纪90年代后期,开始了机电一体化技术向智能化方向迈进的新阶段,机电一体化进入深入发展时期。一方面,光学、通信技术等进入了机电一体化,微细加工技术也在机电一体化中展露头脚,出现了光机电一体化和微机电一体化等新分支;另一方面对机电一体化系统的建模设计、分析和集成方法、机电一体化的学科体系和发展趋势都进行了深入研究。同时,由于人工智能技术、神经网络技术及光纤技术等领域取得的巨大进步,更为机电一体化技术开辟了发展的广阔天地。这些研究,将促使机电一体化进一步建立完整的基础和逐渐形成完整的科学体系。我国是从20世纪80年代初才开始在这方面研究和应用。国务院成立了机电一体化领导小组并将该技术列为“863计划”中。在制定“九五”规划和2010年发展纲要时充分考虑了国际上关于机电一体化技术的发展动向和由此可能带来的影响。许多大专院校、研究机构及一些大中型企业对这一技术的发展及应用也做了大量的工作,虽然取得了一定成果,但与日本等先进国家相比仍有相当差距。

三、机电一体化的发展趋势

(一)智能化趋势

智能化是21世纪机电一体化技术发展的一个重要发展方向。人工智能在机电一体化建设者的研究日益得到重视,机器人与数控机床的智能化就是重要应用。这里所说的“智能化”是对机器行为的描述,是在控制理论的基础上,吸收人工智能、运筹学、计算机科学、模糊数学、心理学、生理学和混沌动力学等新思想、新方法,模拟人类智能,使它具有判断推理、逻辑思维、自主决策等能力,以求得到更高的控制目标。机电一体化产品不可能具有与人完全相同的智能。但是,高性能、高速的微处理器使机电一体化产品赋有低级智能或人的部分智能。

(二)模块化趋势

模块化是一项重要而艰巨的工程。由于机电一体化产品种类和生产厂家繁多,研制和开发具有标准机械接口、电气接口、动力接口、环境接口的机电一体化产品单元是一项十分复杂但又是非常重要的事。如研制集减速、智能调速、电机于一体的动力单元,具有视觉、图像处理、识别和测距等功能的控制单元,以及各种能完成典型操作的机械装置。这样可利用标准单元迅速开发出新产品,也可以扩大生产规模,制定各项标准,以便各部件、单元的匹配和接口。从电气产品的标准化、系列化带来的好处可以肯定,无论是对生产标准机电一体化单元的企业还是对生产机电一体化产品的企业,规模化将给机电一体化企业带来美好的前程。

(三)网络化趋势

计算机技术等的突出成就是网络技术。网络技术的兴起和飞速发展给科学技术、工业生产等领域都带来了巨大的变革。各种网络将全球经济、生产连成一片,企业间的竞争也将全球化。机电一体化新产品一旦研制出来,只要其功能独到,质量可靠,很快就会畅销全球。由于网络的普及,基于网络的各种远程控制和监视技术方兴未艾,而远程控制的终端设备本身就是机电一体化产品。现场总线和局域网技术使家用电器网络化已成大势,利用家庭网络将各种家用电器连接成以计算机为中心的计算机集成家电系统,使人们在家里分享各种高技术带来的便利与快乐,因此机电一体化产品朝着网络化方向发展是为大势所趋。

(四)微型化趋势

微型化指的是机电一体化向微型机器和微观领域发展的趋势,国外称其为微电子机械系统(MEMS),泛指几何尺寸不超过1cm的机电一体化产品,并向微米、纳米级发展。微机电一体化产品体积小、耗能少、运动灵活,具有不可比拟的优势。微机电一体化发展的瓶颈在于微机械技术,微机电一体化产品的加工采用精细加工技术,即超精密技术,它包括光刻技术和蚀刻技术。

篇9

摘要：机电一体化是现代科学技术发展的必然结果,本文简述了机电一体化技术的基本概要和发展背景。综述了国内外机电一体化技术的现状，分析了机电一体化技术的发展趋势。

现代科学技术的不断发展，极大地推动了不同学科的交叉与渗透，导致了工程领域的技术革命与改造。在机械工程领域，由于微电子技术和计算机技术的迅速发展及其向机械工业的渗透所形成的机电一体化，使机械工业的技术结构、产品机构、功能与构成、生产方式及管理体系发生了巨大变化，使工业生产由“机械电气化”迈入了“机电一体化”为特征的发展阶段。

一、机电一体化概要

机电一体化是指在机构得主功能、动力功能、信息处理功能和控制功能上引进电子技术，将机械装置与电子化设计及软件结合起来所构成的系统的总称。

机电一体化发展至今也已成为一门有着自身体系的新型学科，随着科学技术的不但发展，还将被赋予新的内容。但其基本特征可概括为：机电一体化是从系统的观点出发，综合运用机械技术、微电子技术、自动控制技术、计算机技术、信息技术、传感测控技术、电力电子技术、接口技术、信息变换技术以及软件编程技术等群体技术，根据系统功能目标和优化组织目标，合理配置与布局各功能单元，在多功能、高质量、高可靠性、低能耗的意义上实现特定功能价值，并使整个系统最优化的系统工程技术。由此而产生的功能系统，则成为一个机电一体化系统或机电一体化产品。

因此，“机电一体化”涵盖“技术”和“产品”两个方面。只是，机电一体化技术是基于上述群体技术有机融合的一种综合技术，而不是机械技术、微电子技术以及其它新技术的简单组合、拼凑。这是机电一体化与机械加电气所形成的机械电气化在概念上的根本区别。机械工程技术有纯技术发展到机械电气化，仍属传统机械，其主要功能依然是代替和放大的体力。但是发展到机电一体化后，其中的微电子装置除可取代某些机械部件的原有功能外，还能赋予许多新的功能，如自动检测、自动处理信息、自动显示记录、自动调节与控制自动诊断与保护等。即机电一体化产品不仅是人的手与肢体的延伸，还是人的感官与头脑的眼神，具有智能化的特征是机电一体化与机械电气化在功能上的本质区别。

二、机电一体化的发展状况

机电一体化的发展大体可以分为3个阶段。20世纪60年代以前为第一阶段，这一阶段称为初级阶段。在这一时期，人们自觉不自觉地利用电子技术的初步成果来完善机械产品的性能。特别是在第二次世界大战期间，战争刺激了机械产品与电子技术的结合，这些机电结合的军用技术，战后转为民用，对战后经济的恢复起了积极的作用。那时研制和开发从总体上看还处于自发状态。由于当时电子技术的发展尚未达到一定水平，机械技术与电子技术的结合还不可能广泛和深入发展，已经开发的产品也无法大量推广。

20世纪90年代后期，开始了机电一体化技术向智能化方向迈进的新阶段，机电一体化进入深入发展时期。一方面，光学、通信技术等进入了机电一体化，微细加工技术也在机电一体化中崭露头脚，出现了光机电一体化和微机电一体化等新分支；另一方面对机电一体化系统的建模设计、分析和集成方法，机电一体化的学科体系和发展趋势都进行了深入研究。同时，由于人工智能技术、神经网络技术及光纤技术等领域取得的巨大进步，为机电一体化技术开辟了发展的广阔天地。这些研究，将促使机电一体化进一步建立完整的基础和逐渐形成完整的科学体系。

我国是从20世纪80年代初才开始在这方面研究和应用。国务院成立了机电一体化领导小组并将该技术列为“863计划”中。在制定“九五”规划和2010年发展纲要时充分考虑了国际上关于机电一体化技术的发展动向和由此可能带来的影响。许多大专院校、研究机构及一些大中型企业对这一技术的发展及应用做了大量的工作，不取得了一定成果，但与日本等先进国家相比仍有相当差距。

三、机电一体化的发展趋势

1智能化

智能化是21世纪机电一体化技术发展的一个重要发展方向。人工智能在机电一体化建设者的研究日益得到重视，机器人与数控机床的智能化就是重要应用。这里所说的“智能化”是对机器行为的描述，是在控制理论的基础上，吸收人工智能、运筹学、计算机科学、模糊数学、心理学、生理学和混沌动力学等新思想、新方法，模拟人类智能，使它具有判断推理、逻辑思维、自主决策等能力，以求得到更高的控制目标。诚然，使机电一体化产品具有与人完全相同的智能，是不可能的，也是不必要的。但是，高性能、高速的微处理器使机电一体化产品赋有低级智能或人的部分智能，则是完全可能而又必要的。

2模块化

模块化是一项重要而艰巨的工程。由于机电一体化产品种类和生产厂家繁多，研制和开发具有标准机械接口、电气接口、动力接口、环境接口的机电一体化产品单元是一项十分复杂但又是非常重要的事。如研制集减速、智能调速、电机于一体的动力单元，具有视觉、图像处理、识别和测距等功能的控制单元，以及各种能完成典型操作的机械装置。这样，可利用标准单元迅速开发出新产品，同时也可以扩大生产规模。这需要制定各项标准，以便各部件、单元的匹配和接口。由于利益冲突，近期很难制定国际或国内这方面的标准，但可以通过组建一些大企业逐渐形成。显然，从电气产品的标准化、系列化带来的好处可以肯定，无论是对生产标准机电一体化单元的企业还是对生产机电一体化产品的企业，规模化将给机电一体化企业带来美好的前程。

3网络化

20世纪90年代，计算机技术等的突出成就是网络技术。网络技术的兴起和飞速发展给科学技术、工业生产、政治、军事、教育义举人么日常生活都带来了巨大的变革。各种网络将全球经济、生产连成一片，企业间的竞争也将全球化。机电一体化新产品一旦研制出来，只要其功能独到，质量可靠，很快就会畅销全球。由于网络的普及，基于网络的各种远程控制和监视技术方兴未艾，而远程控制的终端设备本身就是机电一体化产品。

4微型化

微型化兴起于20世纪80年代末，指的是机电一体化向微型机器和微观领域发展的趋势。国外称其为微电子机械系统（MEMS），泛指几何尺寸不超过1cm3的机电一体化产品，并向微米、纳米级发展。微机电一体化产品体积小、耗能少、运动灵活，在生物医疗、军事、信息等方面具有不可比拟的优势。微机电一体化发展的瓶颈在于微机械技术，微机电一体化产品的加工采用精细加工技术，即超精密技术，它包括光刻技术和蚀刻技术两类。

5绿色化

工业的发达给人们生活带来了巨大变化。一方面，物质丰富，生活舒适；另一方面，资源减少，生态环境受到严重污染。于是，人们呼吁保护环境资源，回归自然。绿色产品概念在这种呼声下应运而生，绿色化是时代的趋势。绿色产品在其设计、制造、使用和销毁的生命过程中，符合特定的环境保护和人类健康的要求，对生态环境无害或危害极少，资源利用率极高。设计绿色的机电一体化产品，具有远大的发展前途。机电一体化产品的绿色化主要是指，使用时不污染生态环境，报废后能回收利用。

6系统化

系统化的表现特征之一就是系统体系结构进一步采用开放式和模式化的总线结构。系统可以灵活组态，进行任意剪裁和组合，同时寻求实现多子系统协调控制和综合管理。表现之二是通信功能的大大加强，一般除RS232外，还有RS485、DCS人格化。未来的机电一体化更加注重产品与人的关系，机电一体化的人格化有两层含义。一层是，机电一体化产品的最终使用对象是人，如何赋予机电一体化产品人的智能、情感、人性显得越来越重要，特别是对家用机器人，其高层境界就是人机一体化。另一层是模仿生物机理，研制各种机电一体花产品。事实上，许多机电一体化产品都是受动物的启发研制出来的。

结语

综上所述，机电一体化的出现不是孤立的，它是许多科学技术发展的结晶，是社会生产力发展到一定阶段的必然要求。当然，与机电一体化相关的技术还有很多，并且随着科学技术的发展，各种技术相互融合的趋势将越来越明显，机电一体化技术的广阔发展前景也将越来越光明。

参考文献:

李建勇．机电一体化技术．北京：科学出版社，2004．

篇10

【关键词】人脸识别 人脸检测

近年，生物特征识别这一技术发展今非昔比。其中，人脸识别是一种非接触性技术，具有可视化、符合人的思维习惯的特点，得以在商业、安全等领域广泛应用。目前，人脸识别逐渐成为一个热门的研究领域。

1 人脸识别的方法

随着技术的发展，人脸识别方法也呈现出“百花齐放”的趋势。从整体上把握，人脸识别技术可以分为以下三种：

1.1 基于几何特征的正面人脸识别方法

该方法是最早的人脸检测方法，是对人脸的等先验知识导出规则的利用。人脸面部器官可以近似的看作是常见的几何单元，肤色也人脸的是重要特征之一。该方法就是采集人脸的重要的面部特征及其之间的相对距离、特征分布等参数从而形成一个可以表示人脸特征向量，例如角度、曲率等。该方法抗干扰能力极强，对于光照变化的敏感度很低，并且直接利用人脸信息，便于理解。同时，由于该方法算法只关心器官的基本形状和位置结构，并没有侧重细节特征，所以对于从图像中提取稳定的特征就比较困难。这就意味着当人的面部表情的变化较大时，或者是出现了存在遮挡物等影响鲁棒性差的情况，对于人脸特征的提取就会变得困难甚至错误。

1.2 基于模板匹配的人脸识别方法

模板匹配主要包括静态匹配和弹性匹配，可以细分为：动态连接匹配法、特征脸方法、线性判别方法、神经网络法等。静态匹配方法在使用时也需要对图像进行适当的标准化，随后利用整幅图像的灰度级、生理特征区的灰度图像和变换后的人脸图像模板。由于是静态的匹配，模板的灵活性差，当出现面部表情过大时，就无法使用模板。所以产生了动态的模板匹配，也称为动态连接匹配法。该方法是建立反映人脸特征形状可变部分的特征参数模型。该方法的有点就在于其灵活性大大的提高，适用于更多情况下的人脸检测，同时鲁棒性较于静态更好。但是该方法容易因为计算时间太长而陷入局部最小。

1.3 基于模型的人脸识别方法

该方法是利用数学模型的参数进行人脸识别，合并人脸尺度和人脸方向的人脸。该方法着重了人脸各器官的不同特征和相互联系，又不敏感于面部表情变化，鲁棒性好，计算量也并不巨大。基于隐马尔科夫模型法就是其中最经典的方法。

2 人脸识别的现状

人脸识别技术正式起步于美国，我国接触该技术较晚，但是经过科研人员和学者们多年的研究和实验，目前我国的人脸识别技术已经达到国际先进的水平。

2.1 国内

在我国，最早从人工向计算机智能识别发展的生物识别技术是指纹识别，但是在实际应用中逐渐产生了对人脸识别技术的需求。从2001年开始，公安部门就开始使用这一技术来防范打击重大刑事犯罪并取得国家的支持。随后，我国在2008年北京奥运会举行时应用了人脸识别技术，这标志着我国的人脸识别进入大规模的使用阶段。在前几年举办的世博会上，该技术得到更加广泛的应用，同时各大公司也逐渐加入，实现了人脸识别技术在中国的大规模应用。随着我国技术的不断进步，“三化两合”将是人脸识别发展的必然趋势。“三化”指：主流化、芯片化、标准化；“两合”指：与其他生物特征的多生物特征融合与REID的联合。

2.2 国外

国内外对于人脸识别的研究都非常的活跃。美国、德国、日本等经济发达国家和部分发展中国家都有研究机构和研究人员对此进行专门的研究。以下只取其中筛龉家作为例子。

2.2.1 美国

美国是人脸识别技术最先起步的国家，也是最先应用该技术的国家，其人脸识别技术的水平一直走在国际前列。早在1993年，美国国防部就启动了FERET项目，为其之后的生物智能识别技术奠定了基础，推动人脸识别技术从初始阶段提升到原型系统阶段。目前，美国电影中没有钥匙孔只有一个摄像头的大门，刷一下人脸就可以进入；机要部门的核心设备通过指纹进行设备的解锁；追踪情节中利用街边摄像头进行识别等等，这些场景在实际生活中已经得到实际的应用。例如，FBI在2014年就推出了他们的新一代的电子识别系统，总投入超过10亿美金。用于利用监控锁定犯罪嫌疑人，从而进行全网追捕。不仅如此，美国国防部和国土安全部门加大了对人工智能识别技术的投资，用来防止对公共安全造成的威胁。

2.2.2 日本

日本虽然也是略晚接触人脸识别技术的国家，但是其发展却日新月异。在2014年日本的一家研究中心就在日本大阪试验一项基于视频的人脸识别技术，目的在于当灾难来临是，通过实时监控中人脸的表情以及人流的动态来判断各个紧急安全出口是否可用。日本近年来一直在加快对只能视频分析技术的研究。据中关在线报道，2015年日本日立公司推出的视频监控人脸识别技术能够技术能够以3600万张图像/秒的速度进行扫描，以高精度识别出路人，并且即时存储路人脸部图像，将长相相似的人脸进行分类。随后，据中新网2015年7月3日报道，日本在国内的骨干机场引进了通过计算机智能识别人脸来确认身份的系统，有望在举办东京奥运会和残奥会的之前，推进日本人出入境审查的无人化，大大缩短外国游客入境审查的时间。

3 人脸识别的展望

虽然人脸识别技术目前还存在一些缺陷，但是这一技术目前已经得到了非常迅速的发展，还出现了专门的国际会议，越来越多的研究人员和研究机构投入其中，同时各国也开始逐渐试验这一技术，那些亟待解决的问题不过也是时间的问题。相信不久的将来，这一人工智能技术会在不断的应用中逐渐完善，并且造福全人类。

参考文献

[1]吴巾一.人脸识别方法综述[A].计算机应用研究，2009（09）：3205-3209

[2]姜贺.基于几何特征的人脸识别算法[D].大连：大连理工大学，2008（12）.

[3]生物特征识别技术需从应用中逐步完善[J].智能建筑与城市信息，2014（09）：15-19

[4]余龙华.基于隐马尔科夫模型的人脸识别[A].计算机技术与发展，2012（02）：25-28