检索范围:
排序: 展示方式:
深度学习中的视觉可解释性 Review
Quan-shi ZHANG, Song-chun ZHU
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 27-39 doi: 10.1631/FITEE.1700808
关键词: 人工智能;深度学习;可解释性模型
介尺度中的复杂性——人工智能发展中的共性挑战 Perspective
郭力, 邬俊, 李静海
《工程(英文)》 2019年 第5卷 第5期 页码 924-929 doi: 10.1016/j.eng.2019.08.005
探索复杂系统背后的物理机制并加以有效利用,是处理各类复杂事物的普适性方法。大数据的兴起与计算能力的提升,加之优化算法的改进,触发了以深度学习为驱动的人工智能变革,并在多个应用领域取得了突破性进展。然而,深度学习难以揭示所解决问题的底层逻辑和物理内涵,进而阻碍了其进一步发展。本文提出“基于介科学的人工智能”研究范式,将介科学原理和方法应用于深度学习模型设计,旨在弥补其模型脱离问题物理原型这一根本性问题,探索人工智能可持续发展的有效途径。
人工智能新方向:类人、机器、仿生和量子智能 Comment
李伟钢,Liriam Michi ENAMOTO,Denise Leyi LI,Geraldo Pereira ROCHA FILHO
《信息与电子工程前沿(英文)》 2022年 第23卷 第6期 页码 984-990 doi: 10.1631/FITEE.2100227
本评论回顾1998年提出的“一次性学习”(once learning,OLM)机制,和随后出现的用于图像分类的“一瞥学习”(one-shot learning基于目前人工智能(AI)研究现状,提出将其划分为以下子学科:人工类人智能、人工机器智能、人工仿生智能和人工量子智能。这些被认为是AI研发的主要方向,并按以下分类标准区分:(1)以类人、机器、仿生或量子计算为本的AI研发;(2)升维或降维的信息输入;(3)小样本或大数据知识学习。
医疗保健中的人工智能——综述与预测性案例研究 Review
荣国光, Arnaldo Mendez, Elie Bou Assi, 赵博, Mohamad Sawan
《工程(英文)》 2020年 第6卷 第3期 页码 291-301 doi: 10.1016/j.eng.2019.08.015
近年来,人工智能在软件算法、硬件实现和应用等领域得到了迅速发展。本文综述了人工智能在生物医学中应用的最新进展,包括疾病诊断、生活辅助、生物医学信息处理和生物医学研究。综述的目的是跟踪新的科学成就,了解人工智能在生物医学中的巨大潜力和相关技术的适用性,并为相关领域的研究人员提供启示。可以断言,正如人工智能本身一样,人工智能在生物医学中的应用尚处于早期阶段。本文以人工智能在癫痫发作和膀胱功能失调预测方面的应用的两个案例来说明其在生物医疗等方面的应用。
蒸汽裂解建模中的人工智能——详细流出物预测深度学习算法 Article
Pieter P. Plehiers, Steffen H. Symoens, Ismaël Amghizar, Guy B. Marin, Christian V. Stevens, Kevin M. Van Geem
《工程(英文)》 2019年 第5卷 第6期 页码 1027-1040 doi: 10.1016/j.eng.2019.02.013
深度学习驱动的智能电网调度:综述 Review Article
黄刚1,吴飞2,郭创新3
《信息与电子工程前沿(英文)》 2022年 第23卷 第5期 页码 763-776 doi: 10.1631/FITEE.2000719
关键词: 人工智能;深度学习;电力调度;智能电网
中国人工智能的伦理原则及其治理技术发展 Review
吴文峻,黄铁军,龚克
《工程(英文)》 2020年 第6卷 第3期 页码 302-309 doi: 10.1016/j.eng.2019.12.015
伦理原则和治理技术对于人工智能(AI)的健康和可持续发展至关重要。为了实现AI造福人类社会这一长期目标,中国政府、研究机构和企业已经发布了AI的伦理原则,并启动了研究AI治理技术的项目。
人工智能算法在网络空间安全中的应用:技术与现状综述 Review
陈捷1,2,武丹丹2,谢瑞云2
《信息与电子工程前沿(英文)》 2023年 第24卷 第8期 页码 1117-1142 doi: 10.1631/FITEE.2200314
大数据的分布式机器学习的策略与原则 Review
Eric P. Xing,Qirong Ho,Pengtao Xie,Dai Wei
《工程(英文)》 2016年 第2卷 第2期 页码 179-195 doi: 10.1016/J.ENG.2016.02.008
大数据的发展已经引领了对能够学习包含数百万至数十亿参数的复杂模型的机器学习系统的新需求,以保证足够的能力来消化海量的数据集,提供强大的预测分析(如高维潜特征、中介表示和决策功能)。为了在这样的尺度上,在成百上千台的分布式机器集群中运行机器学习算法,关键往往是要投入显著的工程性的努力——有人可能会问,这样的工程是否还属于机器学习的研究领域?考虑到如此“大”的机器学习系统可以极大地从根植于机器学习的统计和算法的理解中受益——因此,机器学习的研究人员应该不会回避这样的系统设计—&mdash它们关注的是机器学习研究传统上注意较少的四个关键问题:一个机器学习程序怎样能分布到一个集群中去?机器学习计算怎样能通过机器间的交流连接起来?这样的交流是如何被执行的?机器间应该交流的内容是什么?通过揭示机器学习程序所独有的,而非常见于传统计算机程序中的基础性的统计和算法上的特点,并通过剖析成功案例,以揭示我们如何利用这些原则来同时设计和开发高性能的分布式机器学习软件以及通用的机器学习框架,我们为机器学习的研究人员和从业者提供了进一步塑造并扩大机器学习与系统之间的领域的机会
人工智能在化学逆合成中的应用 Review
Yinjie Jiang, Yemin Yu, Ming Kong, Yu Mei, Luotian Yuan, Zhengxing Huang, Kun Kuang, Zhihua Wang, Huaxiu Yao, James Zou, Connor W. Coley, Ying Wei
《工程(英文)》 2023年 第25卷 第6期 页码 32-50 doi: 10.1016/j.eng.2022.04.021
近年来,人们对通过人工智能(AI)技术解决化学逆合成预测问题产生了巨大的兴趣。与化学家和基于规则的专家系统进行的逆合成预测不同,AI驱动的逆合成预测自动从现成的实验数据集中学习化学知识,以预测反应和逆合成路径。
人工智能在药学领域中的应用 Review
路明坤, 殷佳依, 朱奇, 林高乐, 牟敏杰, 柳扶摇, 潘子祺, 游楠欣, 廉希晨, 李丰成, 张洪宁, 郑玲燕, 张维, 张瀚毓, 沈子豪, 顾臻, 李洪林, 朱峰
《工程(英文)》 2023年 第27卷 第8期 页码 37-69 doi: 10.1016/j.eng.2023.01.014
人工智能与统计分析 Perspective
Bin YU, Karl KUMBIER
《信息与电子工程前沿(英文)》 2018年 第19卷 第1期 页码 6-9 doi: 10.1631/FITEE.1700813
关键词: 人工智能;统计;人机协作
标题 作者 时间 类型 操作
蒸汽裂解建模中的人工智能——详细流出物预测深度学习算法
Pieter P. Plehiers, Steffen H. Symoens, Ismaël Amghizar, Guy B. Marin, Christian V. Stevens, Kevin M. Van Geem
期刊论文
张拳石:可解释机器学习(2020年4月25日)
2022年04月18日
会议视频
人工智能在化学逆合成中的应用
Yinjie Jiang, Yemin Yu, Ming Kong, Yu Mei, Luotian Yuan, Zhengxing Huang, Kun Kuang, Zhihua Wang, Huaxiu Yao, James Zou, Connor W. Coley, Ying Wei
期刊论文
人工智能在药学领域中的应用
路明坤, 殷佳依, 朱奇, 林高乐, 牟敏杰, 柳扶摇, 潘子祺, 游楠欣, 廉希晨, 李丰成, 张洪宁, 郑玲燕, 张维, 张瀚毓, 沈子豪, 顾臻, 李洪林, 朱峰
期刊论文