Cognitive Software Engineering: A Research Framework and Roadmap

The work of software engineers is inherently cognitive. Integral to their duties is understanding and developing several artifacts. Each one is based on a specific model and a given level of abstraction. What distinguishes Software Engineering is the logical complexity of some artifacts (especially programs), the high dependency among them, and the fact that the success of the software project also depends on the human and social factors, which characterize the engineers as individuals and as a group. The complexity of the daily tasks within a software development team motivates the investigation on the relevance of automating the software professionals’ cognitive processes in order to make their work easier and more efficient. The success of this endeavor is expected to emerge as Cognitive Software Engineering. For this aim, the present article suggests a research framework and roadmap, which build on the current state of the art. Some future directions in the Cognitive Software Engineering are presented.

A Cognitive Science Framework for the Analysis of Knowledge-Based Systems

The paper presents a cognitive science framework for the analysis of knowledge-based systems,including people, media. simulation and expert systems, resulting in a practical model for the procedures ofknowledge engineering. Starting with the construct of a social organization model driven by anticipationand thed differentiating this into pesonal scientists with diverse relations to people and their internal andexternal communication, it provides powerful and general model of society. people, and the roles of peoplein society. This model extends naturally ic the role of conventional media in the knowledge processes ofsociety and the new roles of computer-based simulation and expert systems. In particular it provides amodel of knowledge transfer that enables the processes of knowledge engineering to be analyzed andautomated.

AIS通信系统设计及调制器实现

介绍AIS通信系统的设计、通信系统的组成及其实现方法 ,系统主要电路芯片的选择。阐述了CMX5 89GMSK调制解调芯片的功用 ,论述了AIS系统关键电路之—调制解调器设计的设计方法、特性和实际应用电路 ,该电路设计在实际应用中取得较理想的结果 ,完全符合AIS系统的技术性能要求。

人−AI交互:实现“以人为中心AI”理念的跨学科新领域

AI技术造福了人类,也给研发带来了挑战,如果开发不当,会伤害人类和社会。目前国内外还没有系统的跨学科工作框架来有效地应对这些新挑战。为顺应学科发展的交叉趋势,中国国家自然科学基金委2020年成立了交叉科学部。在这样的背景下,本文分析AI系统研发面临的新挑战,进一步阐述我们在2019年提出的“以人为中心AI”(human-centered AI,HCAI)研发理念和设计目标。目前,HCAI研发理念在国外是AI界的热门课题之一,为推动HCAI理念的落实,本文系统地提出了人−人工智能交互(human-AI interaction,HAII)的跨学科新领域,定义了其目的、范围、研究和应用重点等。通过文献综述和分析,本文总结了国内外HAII研究和应用的重点,提出了今后的主要研究方向。最后,针对今后HCAI理念和HAII领域的工作,提出了一系列对策和建议。

基于智能驾驶场景的人机信任影响因素及作用机制研究

目的研究智能驾驶场景下人机环系统中的三个重要因素(系统预测准确率、环境可认知状态和驾驶经验)对驾驶员智能驾驶辅助系统人机信任的影响。方法采用三因素组内组间混合设计的人因学实验,招募了24名不同驾驶经验的被试在智能驾驶辅助系统的三种预测准确率(90%、76%、60%)及两种环境可认知状态(清晰认知和模糊认知环境)下进行模拟驾驶任务,并收集驾驶过程中被试的主观人机信任、驾驶行为绩效和生理数据等多维指标,采用重复测量的方差分析处理实验数据。结果不同驾驶经验下,被试的主观信任存在显著差异。系统预测准确率和驾驶经验对主观信任存在交互作用。不同环境可认知状态下,被试的瞳孔直径、眼跳次数和皮电波峰幅值均存在显著差异。环境可认知状态和驾驶经验对眼跳次数存在交互作用。人机环三因素对被试的驾驶行为绩效无明显影响。结论系统预测准确率、环境可认知状态和驾驶经验均可在不同程度上影响主观人机信任及其相关生理指标。环境可认知状态较差时驾驶员会增加对驾驶辅助系统的信任。随着驾驶员驾驶经验的增加,其对驾驶辅助系统的信任也会增加。

面向认知的指挥控制系统界面设计方法

从面向认知的指挥控制系统(commandandcontrol,C2)界面设计的重要意义入手,概述该领域国内外研究现状;总结当前指挥控制系统界面使用中存在的典型认知问题,并对问题形成的原因进行了分析;设计一种面向认知的指挥控制系统界面设计技术框架。该框架设计阶段覆盖完整,所用方法及技术针对性强,可较好指导面向认知的指挥控制系统界面设计问题,为提高指挥控制系统整体作战能力提供支持。

STPA和CREAM方法在飞行冲突调配人因差错研究中的应用

为了研究管制员飞行冲突调配的人因差错问题,进而有效评估管制员解决飞行冲突的可靠性,以保障空中交通的安全运行,提出系统理论过程分析(System Theoretic Process Analysis, STPA)与认知可靠性与失误分析方法(Cognitive Reliability and Error Analysis Method, CREAM)相结合的人因可靠性分析方法。首先,通过STPA方法构建系统控制模型,识别不安全控制行为(Unsafe Control Action, UCA)以及致因因素,找到管制员在调配飞行冲突过程中可能存在的差错行为;其次,基于CREAM扩展法对管制员的差错行为进行定量分析,得到管制员调配飞行冲突的人因失误概率。研究显示:使用该方法能够系统、全面地识别出管制员在调配飞行冲突过程中出现的差错行为,进而计算管制员飞行冲突调配的人因失误概率。实例分析表明该方法可以预测管制员在飞行冲突调配过程中的人因失误概率及可靠性,为管制员人因可靠性分析提供了新思路。

大型公共建筑智能化弱电系统通信干扰自适应抑制方法

为了提升大型公共建筑智能化弱电系统的通信抗干扰能力,提出大型公共建筑智能化弱电系统通信干扰自适应抑制方法。根据弱电系统通信干扰特点,引入认知驱动引擎,构建变换域通信干扰自适应抑制模型;设计压缩频谱感知模块、干扰特征提取模块、干扰智能识别模块和变换分析模块,实现弱电系统通信干扰自适应抑制。试验结果证明,经过所提方法处理后,误码率已降至0.001,传输速率均在1600 b/s以上。所提方法可以有效提升通信抗干扰能力和通信传输速率。

Towards a Theoretical Framework of Autonomous Systems Underpinned by Intelligence and Systems Sciences

Autonomous systems are an emerging AI technology functioning without human intervention underpinned by the latest advances in intelligence,cognition,computer,and systems sciences.This paper explores the intelligent and mathematical foundations of autonomous systems.It focuses on structural and behavioral properties that constitute the intelligent power of autonomous systems.It explains how system intelligence aggregates from reflexive,imperative,adaptive intelligence to autonomous and cognitive intelligence.A hierarchical intelligence model(HIM)is introduced to elaborate the evolution of human and system intelligence as an inductive process.The properties of system autonomy are formally analyzed towards a wide range of applications in computational intelligence and systems engineering.Emerging paradigms of autonomous systems including brain-inspired systems,cognitive robots,and autonomous knowledge learning systems are described.Advances in autonomous systems will pave a way towards highly intelligent machines for augmenting human capabilities.

IDSS: Designing to Extend the Cognitive Limits

The paper presents the conceptual and operational basis of the creation of IDSS based on our recent research experience. In this paper, an intelligent decision support system, IDSS is defined as: any interactive system that is specially designed to improve the decision making of its user by extending the user's cognitive decision making abilities. As a result, this view of man-machine joint cognitive system stresses the need to use computational technology to aid the user in the decision making process. And the human's role is to achieve total systems's objectives. The paper outlines the designing procedure in successive steps. First, the decision maker's cognitive needs for decision support are identified. Second, the computationally realizable support functions are defined that could be provided by IDSS. Then, the specific techniques that would best fill the decision needs are discussed. And finally, for system implementation the modern computational technology infrastructure is emphasized.

AIS的网络管理

简要介绍AIS网络管理系统的原理,通过对ITDMA、SOTDMA、RATDMA 3种国际标准算法的分析,着重讨论了网络管理各阶段的详细过程,以及3种算法在各阶段的综合运用。

工程管理数字化关键技术研究进展

随着建设工程规模的扩大与难度的不断提升,传统工程管理方法已无法满足其需要;同时建筑信息模型(BIM)、地理信息系统(GIS)和人工智能(AI)等数字化技术的出现,为工程管理的数字化与现代化发展提供了一种新思路。以数字化工程管理为出发点,从BIM+GIS、AI两个方面,对近年来数字化工程管理的技术与研究成果进行了详细的总结与归纳,包括BIM+GIS在建筑、基础设施、市区建设的综合应用,以及计算机视觉、自然语言处理(NLP)、信息融合、知识表示与推理、智能优化等AI技术与工程管理的有机融合,最后对工程管理数字化关键技术的发展趋势进行了展望。

基于元胞自动机的航道交通流仿真

文章基于自动识别系统(automatic identification system,AIS)数据,将汇入主航道的分支交通流对航道整体交通状况的影响进行研究,该种情况类似于城市交通中匝道入口的汇入情形。鉴于航道内的该种情况,以元胞自动机进行建模仿真;并通过分析可追越条件下两船之间的速度关系,发现其中规律与三相交通流理论中的速度适应机制相契合,于是将基本图理论与三相交通流理论中的合理部分相结合,构建一个既符合实际又便于模拟的单向双通道航道内的交通流模型,并通过图像和时间序列相关分析对该模型进行说明和验证。此外还利用该模型对带有汇入主航道内的交通流出现的一些交通现象进行仿真和说明。

不同认知负荷下各通道导航方式效果对比研究

目的对比不同认知负荷下,电动车的不同多通道导航方式(听觉、触觉、视听、听触、视触)的表现差异是否存在变化。方法进行两轮电动车的模拟驾驶研究,采用组内设计,对比不同负荷下,五种导航方式的导航有效性及主观体验的优劣顺序是否存在变化。测量被试的失误次数、积极情绪及消极情绪进行统计分析。结果在不同负荷条件下,不同通道的导航系统失误次数、积极情绪和消极情绪的优劣顺序均发生变化。听觉通道及听觉参与的多通道具有较好的有效性,触觉通道的有效性表现较差,但触觉及相关多通道提供了较好的主观体验。在不同认知负荷下,适用的导航方式也有所不同。但也有部分通道在低负荷及高负荷下均有较好的表现。结论视听多通道导航适用于低负荷条件,而听触多通道导航在低负荷及高负荷条件下均可使用。

认知学方法及其在电力系统中的应用

认知科学是一门高度跨学科的新兴科学,它从不同层面和角度对心智和智能进行研究。认知学方法是以认知科学的研究成果为基础,用于解决实际问题的方法。首先总结了认知科学的发展、定义、基本假设和研究分类,然后讨论了认知学方法工程应用的目标,最后以工程开发流程为主线,提出了认知学方法的工程应用框架,并分析了认知学方法在电力系统中的应用现状和应用前景。

低轨卫星自动识别系统在海事监管中的应用

为保障海上船舶航行安全,预防远海船舶交通事故、海盗事件以及恐怖袭击等,通过分析我国远海海事监管的现状和国际低轨卫星发展趋势,针对我国远海海域急需有效监管的问题,提出了应用低轨卫星AIS数据建立我国远海海域船舶监管的方案。方案发挥了低轨卫星的特点,突破岸基AIS系统监管的局限,实现远海海域船舶监管低成本、高效率、大范围的目的,实现我国对全球AIS数据掌握的主动权。

基于知识量的知识作业评测研究

以知识量作为作业难度表征的重要指标;在讨论信息量、教学时间与知识量关系的基础上,根据BROOKES信息基本方程,建立了社会标准教学时间与知识量的映射关系;根据知识表达系统提出了基于社会标准教学时间的知识测度原理及其测度方法;结合岗位知识量的测度进行了算例说明。

基于认知工程的UCAV系统中关键技术研究

针对作战无人机系统中存在的认知工程问题进行了深入研究,总结了当前国内外最新研究动态,建立了地面控制系统设计的多学科优化概念模型,在综合分析相关的人的因素及若干关键技术的基础上,提出了系统面向任务的认知工程综合模型框架。

制药工程卓越工程师培养认识实习教学模式改革

本文简述了在国家启动卓越工程师培养计划的背景下,制药工程专业认识实习阶段教学模式的改革,系统探讨了卓越工程师培养中认识实习阶段教学方法,给出了具体的实效性教学措施,完善了认识实习的考核体系,进一步提高了该教学环节的教学质量和学生的工程观念。

基于事例推理模糊神经网络的中压配电网短期节点负荷预测

根据认知科学理论,在并行分布处理(PDP)模型基础上,提出了一种基于事例推理的模糊神经网络(CBRFNN)。分析了CBRFNN的原理,定义了CBRFNN的基本结构,并提出一种混合(有监督/无监督)学习算法,使得CBRFNN具备了很好的泛化能力。CBRFNN中的所有节点通过快速、增量式的学习过程动态生成,并可通过网络自组织来有效抵御坏数据的影响。所提方法很好地解决了中压配电网短期节点负荷预测这类信息不完备、不精确问题。