永恒语言学习研究与发展

为了构建智能的语言学习模型,Tom M.Mitchell教授2010年在美国人工智能协会(AAAI)上提出永恒语言学习(NELL)的概念.NELL模型主要运用半监督学习和自然语言处理技术,持续不断地从互联网上获取大量文本,抽取知识,丰富知识库,使永恒语言学习模型变得更加智能.介绍了永恒语言学习模型及模型的组成;描述了NELL的孕育和发展以及面临的6个主要问题,包括自省能力开发,每天需要短暂的人工监督,新谓词学习,新类型知识的学习;命名实体建模和更精确的统计学习模型构建;提出拟解决现有问题的新永恒语言学习模型.

一种新的量子群进化算法研究

提出了一种基于量子进化的量子群进化算法,使用量子角表示量子比特的状态,并引入改进的粒子群优化策略,对量子群中各量子的量子角进行自适应动态调整.在对0-1背包问题的求解中,表现出很好的性能.

基于最小不确定性神经网络的茶味觉信号识别

提出了一种基于最小不确定性神经网络方法的味觉信号识别模型,使用贝叶斯概率理论和粒子群优化算法(PSO),快速而有效地确定网络结构参数,实现了对10种茶味觉信号的识别,实验结果表明了将该模型引入到茶味觉信号识别的可行性和有效性.