解读AlphaGo背后的人工智能技术

随着人工智能在各个领域的应用,越来越多的问题通过人工智能得到更优的解决,但是围棋因其本身的复杂度一直是人工智能领域的难解之题.AlphaGo团队利用了人工智能中的一个重要分支—深度学习训练了一款围棋人工智能程序,并在2016年3月与职业九段选手李世石的对弈中以4:1的比分获胜,受到了大众的广泛关注.本文介绍了AlphaGo这一程序背后的复杂的网络构造以及不同网络的优缺点.

UCB策略在Prolog中的应用

Prolog(Programming in Logic)程序语言是一种逻辑程序设计语言。它是在逻辑学理论基础上建立起来的并广泛应用在人工智能研究中。这几十年已经出现了各具特色的Prolog编译器,而且各种编译器也都很成功。虽然在现阶段已经出现了各种版本Prolog编译器,但是Prolog编译器的发展空间还是很大。本文先通过现代Prolog编译器的不足,介绍了新Prolog编译器的特点,然后简单叙述了Prolog编译器词法分析和语法分析的过程,最后介绍了UCB策略。

基于WinCE应用程序的围棋游戏开发

机器博弈,也称计算机博弈,即让计算机下棋。围棋是一种策略性二人棋类游戏,使用格状棋盘及黑白二色棋子进行对弈。文中计算机围棋游戏引擎的开发采用马尔科夫决策模型,使用人工智能的知识,含有大量计算,整个计算紧密依赖于系统资源,计算量越大,引擎的选点越精确,棋力越高。针对嵌入式系统软硬件的特定性,其资源和计算能力的局限性,本文主要完成了两个工作:一是将实验室适用于PC的游戏引擎移植到WinCE,开发适合嵌入式系统的围棋游戏引擎,实现大规模计算的移植,使游戏引擎在嵌入式有限的资源上,通过精简的计算量,达到不错的效果;二是实现WinCE上围棋游戏前台界面的开发。

比赛评价模型在新闻信息排序中的应用

Bradley-Terry模型是一种简单有效的基于过去比赛信息来预测将来比赛结果的模型。ELO算法某种程度上是Bradley-Terry模型的一种简化,它们已经被应用于很多方向。本文简要介绍这两种算法,并将它们改进应用于新闻标题排序。通过对一组新闻标题数据的测试,发现Bradley-Terry模型虽然拥有较高的准确度,但是在算法执行效率上比ELO算法差了很多。

基于Android的围棋游戏开发

本文设计实现了基于Android平台的围棋游戏,分别利用SDK、NDK交叉编译工具开发了图形界面和围棋引擎,然后利用Java输入输出流和对GTP协议的解析,完成了图形界面和引擎进程间的通信。经测试,游戏操作简单,棋力优异,具备一定的可玩性。所提出的开发框架对Android棋牌类游戏开发有一定的参考意义。

地铁通信系统中的无线覆盖与优化策略

本文在分析的过程中,首先阐述了地铁通信中的一些技术难点,对于现阶段地铁网络通信中的实际问题进行探索。同时分析具体的组网策略,对目前地铁网络通信当中的技术难关针对性的提出一些解决措施。希望能够进一步的保证地铁网络通信的流畅,满足人们的实际需求。

物联网形势下5G通信技术运用

目前物联网发展相对较快,随着移动互联网和物联网业务的快速发展,5G移动通信进程加快。5G通信系统是2020年后人类信息社会需求的无线移动通信系统,它是一个多业务技术融合的网络。通过技术的演进和创新,它可以满足未来广泛的数据和互联服务。不断发展的需求增强了用户体验。本文总结了5G移动通信下的互联网技术,分析了物联网的内涵,研究了5G移动通信与物联网技术的融合。

NB网络中MAC层协作模式及其优化的研究

通信工程建设,是关系国计民生的重大事业。而通信工程建设质量,一方面是对一个国家竞争力的体现,另一方面也决定着民众生活水平的好坏。理论上讲,数据通信的过程,其实就是信息传递的过程。但是目前可以说,信息传输技术的各种类型已经很多了,而且又各有明显的优缺点。要做到这一点,就必须通过对信号传输技术的研究,选择最适合本地区实际情况的信号传输技术,以达到节约成本、保证通信质量的目的。

围棋的起源

围棋起源于中国应该是没有疑问的。围棋起源的时间一定早于文字，否则就应有相应的文字来记录围棋的起源了。现在我们只有关于围棋起源的传说可以参考了。传说中，围棋是中国古代圣王尧舜（约公元前二十三世纪至公元前二十四世纪）所创造的。西晋张华在《博物志》记载道：“尧造围棋，以教子丹朱。或云，舜以子商均愚，故作围棋以教之。”如果围棋的确是尧舜所创造的，那么现在只留有传说也就不足为奇了，因为那时并没有我们现在意义上的文字，也就不可能把这些事情记录下来。

基于深度残差卷积神经网络的心电信号心律不齐识别

心电图(ECG)信号在采集过程中容易受内部和外部噪声干扰,而且不同患者的ECG信号形态特征差异较大,即使同一患者在不同时间和环境下其ECG信号也会有差异,因此ECG信号特征检测与识别在心脏病远程实时监测与智能诊断中具有一定难度。基于此,本研究提出将小波自适应阈值去噪和深度残差卷积神经网络算法用于多种心律不齐的信号识别过程中。其中,使用小波自适应阈值技术完成ECG信号滤波,并设计了包含多个残差块(residual block)结构的20层卷积神经网络(CNN),即深度残差卷积神经网络(DR-CNN),对5大类心律不齐ECG信号进行了识别。然后,本文采用残差块局部神经网络结构单元构建DR-CNN,缓解了深层网络的收敛难、调优难等问题,克服了CNN随着网络层数增加而导致的退化问题;进一步引入批标准化(batch normalization)技术,保证了网络的平滑收敛。按照美国医疗器械促进协会(AAMI)的心搏分类标准,使用麻省理工学院和波士顿贝丝以色列医院(MIT-BIH)心律不齐数据库中94 091个ECG心搏信号(2个导联),完成了心律不齐多分类、室性异位搏动(Veb)和室上性异位搏动(Sveb)等分类识别实验。实验结果表明,本文所提出的方法在ECG信号多分类、Veb和Sveb识别中的准确率分别达到了99.034 9%、99.498 0%和99.334 7%。在相同的数据集和实验平台下,DR-CNN在分类准确率、特异性和灵敏度上均优于相同结构复杂度的CNN、深度多层感知机等传统算法。DR-CNN算法提高了心律不齐智能诊断的精度,该方法与可穿戴设备、物联网和无线通信技术相结合,可以将心脏病的预防、监测和诊断延伸到家庭、养老院等院外场景,从而提高心脏病患者的救治率,并且有效地节约医疗资源。

计算机围棋在北邮

北京邮电大学的林金桐教授是在北邮开展计算机围棋研究工作的倡导者和推动者。在作为北邮校长期间，林金桐教授协同日本富士通公司创立了每年举行一次的“北邮－富士通”杯大学生围棋比赛。2005年春天，我在第2届北邮－富士通杯大学生围棋比赛期间认识了时任北京邮电大学校长的林金桐教授。在得知我的学术背景之后，林金桐教授向我热情介绍了把现代信息科技应用于围棋的重要意义，并希望我能组织研究团队在北邮进行计算机围棋的研究工作。