人工智能研究的前沿领域
hjgzzx 发表于 - 2007-10-15 8:49:00
一、智能代理
（1）理性主体的认知模型和多主体的协调策略；
（2）面向主体的软件工程方法；
（3）主体技术实用化研究方面。
该方向主要应用领域包括：电子商务，数字图书馆，移动计算，群体智能决策支持系统以及CSCW。
二、机器学习
主要研究内容包括：
（1）学习算法: 归纳学习、范例学习、贝叶斯网路、粗糙集、模糊集、支持向量机、关联规则、遗传算法、解释学习；
（2）开展感知学习、主动学习和内省学习等研究；
（3）多策略通用数据挖掘工具MSMiner。
三、知识网格(knowledge grid)
知识网格是在异构的、动态的虚拟组织环境下，提供有效的知识服务和共享，协作解决用户需要解决的问题，满足用户的需求。
主要研究内容包括：
（1）知识模型。知识模型将描述系统的知识和推理需求，包括领域知识、推理知识和任务知识。
（2）通信模型。通信模型将描述系统之间或系统与用户之间的需求和接口。
（3）知识获取。研究适合高维、海量、异构、不完全、半结构化数据挖掘的有效方法和算法。
（4）知识组织。研究通过概念语义空间进行知识组织，以期获得快速检索和高的查准率。
（5）服务管理。面向用户服务的模式和协议。
四、自主计算(autonomic computing)
主要研究内容包括：
（1）自配置。使PC可以在无人参与的情况下自动安装应用程序，可用于包括IBM或其他品牌PC的混合环境；系统移植助理则通过保存用户的设置，使用户特殊的数据、应用以及个人设置从旧系统向新系统转移时更容易。
（2）自恢复。它能使PC用户快速、轻松地实现文件数据乃至应用程序和操作系统本身的恢复。
（3）自优化。软件可以让用户轻易地在多种有线或无线的网络中切换，而不必操心网络连接时的设置变更过程。
（4）自保护。利用系统集成的安全芯片和客户安全软件，提供了同时基于软硬件的保护措施。
五、认知信息学(cognitive informatics)
1.神经计算
侧重研究神经网络变换、神经场计算理论、信念神经网络模型的学习理论、基于前馈动力学神经网络的联想记忆模型、基于遗传算法的神经网络算法、神经近似逻辑、思维模型等。取得的研究成果如下。
（3）神经场计算的理论框架， 用平坦流形上单形、 复形的概念和理论来作为神经网络模型结构的表示和编码机理, 通过复形结构的边缘链结构分解, 形成了对于神经网络层次化、功能模块化的组织结构、 定位机理的认识。
（4）在非线性空间和非欧氏空间中基于整体结构逼近的学习理论框架, 在此基础上分别提出了对偶校正学习算法（DCL）和基于拓扑结构逼近校正学习算法（TAC）。