自然语言处理技术视角下的编程演进研究

人类想要与计算机沟通就对编程语言的语法和结构有一定的了解。随着自然语言处理技术的发展,让计算机听懂人类语言不再是梦想。ChatGPT的应用催生了Prompt(提示工程),Prompt可以直接使用自然语言表达用户的意图,大大降低了编程的门槛。文章从编程语言发展历程,了解Prompt原理和应用,在自然语言处理时代,编程的边界在扩大。

大数据时代的人工智能范式

针对传统人工智能范式存在的知识获取成本高、质量差、只能模拟低级智能等弊端,受大数据全样本统计、近似搜索和相关推理的启发,提出了4种AI范式,分别以感知、数据、脑科学、认知为中心.以感知为中心的AI范式主要研究一组分布的、松散耦合的主体如何协同运用它们的知识、技能、信息,为尽可能好地实现各自的或全局的目标或规划;以数据为中心的AI范式的形成是数据从量变到质变的过程,其核心是让数据说话;以脑科学为中心的AI范式旨在打造基于信息通信技术的综合性研究平台;以认知为中心的AI范式研究的目的是用大数据来解决"心智"问题.范式决定了AI的实现途径,不同的范式各有特点、相互补充,无法用一种范式统一全部,最后把AI的各种范式归结为科学研究4大范式.

软件Agent是一个计算实体

Agent的出现使我们看到了AI进一步发展的希望，程序和软件Agent有本质区别，软件Agent是一个计算实体，其核心技术是综合法的运用。

Agent社会理性的研究

MAS(multi- agent system)是由多个自治 Agent组成的协商 ,是合作的 Agent社会 .在社会背景下 ,Agent社会理性决定着 MAS目标的实现 .Jennings虽然给出了 Agent社会理性的定义和相应的模型 ,但没有给出模型参数的具体计算方法及其物理意义 .基于协同学原理 ,指出模型的物理意义是系统的序参量 ,并将参数的计算分为 4步 :近似线性化、确定序参量、使用支配原理建立微分方程和解微分方程 .

图像空间关系特征描述

图像目标空间关系的描述是基于内容的图像检索中的关键技术,通过空间位置关系识别事物更符合人们的习惯.回顾并比较了图像中的目标空间关系的特征及描述方法,指出了存在的问题,并提出了改进的建议.

基于HNC的中文文本校对系统模型的研究

针对中文文本在语法错误和语义错误校对方面存在的问题,基于HNC理论构建了一个中文文本校对系统模型,该模型利用传统查错系统和HNC句类分析系统相结合的方法,并对日常报刊杂志100篇文章进行了实验,与word2003查错系统相比,在解决语法层次和语义层次上的错误,该方法有明显优势.

基于语义倾向性的文本过滤研究

以往文本过滤的研究主要集中于主题过滤,然而随着网络的发展,倾向性文本过滤在网络信息安全方面的作用越来越大。在语义倾向性分析中,若忽略关联词和修饰词则有可能导致对极性词的倾向或强度判断失误。针对这一问题,提出了一种新的语义倾向性识别算法,用于对潜在极性词进行倾向性识别,并应用到文本过滤方面。实验表明此方法具有较高的准确率和召回率。

模式识别在RoboCup中的应用

在RoboCup仿真比赛中,球员的个体技术是比赛成功的重要因素.在充分分析RoboCup比赛个人技术中的两类技术,即判别函数、动作函数的确定方法的基础上,将模式识别的理论应用于RoboCup仿真比赛的个体技术中.分别使用判别域代数界面方程法确定判别函数,神经网络法确定动作函数.以射门和截球为例,详细叙述了设计过程.最后,使用传统方法和使用模式识别方法的球队在RoboCup仿真比赛中进行比赛,试验证明使用模式识别方法的球队,在比赛中个体技术显著提高.

避免逻辑全知的BDI语义

BDI(belief, desire, intention)是基于Agent计算的理论模型,BDI语义关系着Agent计算的发展.通过把相信划分为主观相信和客观相信,把可能世界理解为认知的不同阶段,给出具有进化特征的BDI语义.该语义既能描述Agent,又避免了逻辑全知问题.

基于语义水印的数字签名算法

针对数字签名技术中签名信息易被移除的问题,在语义技术的基础上提出了基于语义水印的数字签名算法。该算法的基本思想是在不改变文本语义的前提下,通过同义词替换算法嵌入签名信息,并在数据加密阶段,综合运用DES算法和RSA算法,使得破解及窜改签名信息更加困难。实验证明,该算法具有容易实现、鲁棒性好、抗检测性强的优点。

基于多agent系统的医学图像进化分割算法的研究

在进行医学图像分析时,很多研究对象(如大脑、心脏等)在图像中并没有明显的边界,属于自然纹理图像,不同组织间也没有清晰的分界线,在这种情况下,图像分割的任务非常困难.本文基于多Agent思想提出了进化分割算法.该算法将Agent设计为具有4种行为的计算实体,它驻留在医学图像的二维网格中,利用先验知识指导其行为的演化.通过在人脑核磁共振(magnetic resonance,MR)图像分割和异常脑细胞的识别实验,与最大似然(maximum likelihood,ML)分割和构形梯度平方残差(conjugate gradient square,CGS)分割比较,本文的方法更适合临床.

未定义类型的关系抽取的半监督学习框架研究

设计未定义类型关系抽取系统是目前研究的热点.但在没有特定领域的、机器可读的知识作为指导的情况下,面向自然语言文本的关系抽取很难取得令人满意的精确度和召回率,约束可以有效辅助语义关系的抽取.本文描述了一个提取"实体-属性-值"关系的半监督的机器学习框架,在半监督学习任务中,种子主要从维基百科的信息表格中获取,首先用线性分类器找出一些强反例,然后迭代的使用已有的反例数据重新训练分类器再应用到余下的未标注数据上找出更多反例.经过半监督学习得到了一个关系候选实例集,接下来讨论了关系类别验证问题,对于噪声模式,给出关系模式置信度评价指标,对于冲突模式提出了控制匹配顺序(高置信度模式优先匹配的原则)算法.经过这两个算法后,关系类别的描述仍具一定的多样性,提出凝聚型层次聚类算法,该算法将维基百科描述的结构特征表示为向量{DW,CW,IW,BW},进而给出两个关系模式相关度计算模式,完成关系类别聚类.最后,在WikipediaXML数据集进行了相关的实验,结果表明:根据维基百科的结构特征,动态的确定关系类别,减少了对预定义类型的依赖,提高了关系识别系统的可移植性.

基于BDIAgent的Web搜索引擎的研究

Agent技术是解决复杂、动态、分布式智能应用问题的关键技术.文中介绍了一种基于Agent的搜索引擎的总体结构及其主要技术,它能理解用户的意图,理解用户提交的查询说明的语义,克服了现有搜索方法与语义无关的缺点,从而提高了查全率和查准率.

RoboCup 3D Server分析

RoboCup仿真比赛是MAS系统的理想测试平台,而3D仿真是RoboCup研究的热点。由于目前缺乏相关的资料,给参赛队增加了不少困难。本文将分析RoboCup3D Server的一些关键技术,以期能让读者对这一新技术有一个全面的了解,缩短球队的开发过程。

一个MAS结构模型

通过引入Ａｇｅｎｔ视图概念，给出一个ＭＡＳ（Ｍｕｌｔｉａｇｅｎｔ Ｓｙｓｔｅｍ）结构模型。

属性和属性值组合的概念模板

基于本体抽取三元组〈概念,属性,属性值〉,以词汇聚类为基础,将概念表示为属性和属性值的组合向量,对基于属性的概念模板和基于属性值的概念模板进行对比。研究发现,基于属性和属性值组合的概念模板优于任何一个单独的模板。

MAS理性与模型的研究

理性是选择策略的标准 ,是系统内一种有序结构 ,关系着 MAS目标的实现和 MAS的稳定性。有序结构可以在平衡条件下形成 (封闭系统 ) ,也可以在远离平衡条件下形成 (开放系统 ) ,本文在讨论封闭环境下 MAS理性的基础上 ,给出适应开放环境下的 MAS理性。

面向事件的多文档文摘生成算法的研究

针对目前基于主题相似性生成多文档文摘的系统存在语义不精确、只能传达多篇具有同一主题的文档所携带的主要信息(横向文摘)的问题。本文基于HNC理论,提出的面向事件的多文档自动文摘模型,旨在用很短的文本来传达多篇具有同一事件的文档所携带的后续报道信息(纵向文摘)。实验结果表明,本方法在信息覆盖率、信息冗余度和文摘流利度方面比TF×IDF方法有很大的改进。

改进的模糊C-均值算法在医学图像分割中的应用

针对随机选取聚类中心易使得迭代过程陷入局部最优解的缺点,提出了一种混合优化蚁群和动态模糊C-均值的图像分割方法,该方法利用蚁群算法较强处理局部极值的能力,并能动态确定聚类中心和数目.针对传统的分阶段结合遗传算法和蚁群算法的策略存在收敛速度慢,聚类精度差的问题,提出在整个优化过程综合遗传算法和蚁群算法,并在蚁群算法中引入拥挤度函数,利用遗传算法的快速性、全局收敛性提高了蚁群算法的收敛速度,同时利用蚁群算法的并行性和正反馈性提高了聚类的精确度.最后将该算法应用到医学图像分割,对比实验表明,混合算法具有很强的模糊边缘和微细边缘分割能力.

面向Agent计算(AOC)原理

Agent的出现使我们看到了 AI进一步发展的希望 ,由于对 Agent缺乏统一的认识 ,使得在设计 Agent系统时出现一些混乱 ,我们认为造成这一状况的根本原因在于设计者对面向 Agent计算 (AOC—— Agent OrientedComputing)原理认识有偏差 ,本文将智能划分为三个层次 ,并从知识层次和行为层次阐述