一、模式识别与智能系统研究展望和对策（论文文献综述）
王丹力,郑楠,刘成林[1]（2021）在《综合集成研讨厅体系起源、发展现状与趋势》文中认为20世纪80年代前后,国外学术界开始了复杂性与复杂系统的研究.与此同时,以钱学森为代表的一批中国学者也开展了与此相关的系统科学和开放的复杂巨系统的研究,开创性地提出了综合集成法,进一步发展为综合集成研讨厅体系,并取得了一些成功应用.但是由于当时人们对综合集成研讨厅体系的认识不足,以及技术条件所限,其应用受到了限制.随着思维科学/认知科学、系统科学和信息技术、计算机技术、网络通信技术巨大进步,特别是近年来大数据、云计算、人工智能的飞速发展,出现了越来越多的复杂巨系统,亟待有效方法来处理这类问题.在此背景下,综合集成研讨厅体系又获得广泛关注.本文回顾了综合集成研讨厅体系产生和发展的重要历程,分析了其典型案例,介绍了国内外的相关研究进展,最后提出了未来发展的几个方向.本文力图为从事复杂巨系统研究和实践的相关人员提供理论方法指导和工程范例.
黄志[2]（2021）在《人工智能对经济增长的影响研究》文中进行了进一步梳理纵观人类社会的演进历程,技术创新一直是推动地区乃至国家经济发展的内生动力,是各国抢占国际竞争高地的重要手段。近年来,随着互联网技术迅猛发展、计算机运算能力和运算速度大幅提升以及算法有效性取得极大突破,人工智能在世界范围内取得了突破性进展,并迅速将人类社会送入了智能时代,加速改变着人类社会生产生活的各个方面。基于此,世界各国纷纷围绕人工智能展开了新一轮角逐,美、日、德、法等国先后颁布了一系列扶持人工智能产业发展的政策措施,以期借人工智能之势在新的历史时期抢占国际竞争中的优势地位。就中国而言,人工智能作为一项引领新一轮科技革命和产业变革的战略性技术,正在受到党中央的高度关注。习近平总书记在2018年10月31日政治局第九次集体学习时强调,要推动我国新一代人工智能健康发展。在2018年12月21日中央经济工作会议上再次强调要加强人工智能等新型基础设施建设。在2019-2020年,进一步强调要积极推动人工智能与媒体、教育、社会治理以及疫情防控等领域深度融合。届此,中国的人工智能及其与经济社会深度融合踏上了新征程。人工智能作为一种技术进步,在与经济社会的深度融合过程中具体表现为各种有形（机器人）和无形（算法、系统等）的技术创新。那么,人工智能技术创新如何影响经济增长?通过什么渠道影响经济增长?“索洛悖论”是否存在?从长期而言,是否会使经济呈现指数级增长趋势?从国际层面而言,人工智能在全球范围内的加速渗透是否会进一步扩大未来南北差距?围绕人工智能的这一系列问题具有相当重要性,但目前尚未有系统性研究,甚至在一些方面仍存在研究空白。为此,论文以经济学为主,结合计算机科学、哲学、数学等多学科理论知识,综合运用历史分析与比较分析相结合、归纳与演绎相结合、理论研究与实证分析相结合、静态分析与动态分析相结合等研究方法,按照“总-分-总”的结构谋篇布局,以研究人工智能对经济增长影响效应。论文主要内容如下:总论部分在系统梳理相关文献、详细阐述理论基础以及清晰刻画人工智能影响经济增长的典型事实基础上,探析了人工智能在向经济社会渗透过程中表现出的四大经济效应:智能渗透效应、边界延展效应、知识创造效应和自我深化效应,并对影响经济增长的三大主要因素（劳动、资本和生产技术）进行分析。在此基础上,通过分析人工智能四大经济效应作用于劳动、资本和生产技术对经济增长的影响效应,提出由劳动渠道、资本渠道和生产率渠道三条渠道构成的人工智能影响经济增长的总体分析框架。分论部分将理论分析和实证检验相结合逐一探讨了人工智能影响经济增长的劳动渠道、资本渠道和生产率渠道。此外,由于数据不可得,无法通过实证分析的方式来识别人工智能对长期经济增长的影响,因此,本文基于理论层面,进一步探讨了人工智能对长期经济增长以及未来南北差距产生影响的作用机理。研究发现:第一,人工智能技术创新能够显着促进经济增长,长期经济增长甚至存在指数级增长的可能。人工智能作为新一轮技术进步最显着的技术创新,与传统技术创新相似,能够为区域乃至国家经济增长提供动力源泉,显着推动宏观经济增长。但与传统技术创新不同的是,人工智能能够通过实现自动化知识生产,为经济提供更强的增长效应,长期而言,如果智能自动化技术进步与新任务边界延展规模一致,经济将实现指数级增长。但不容忽视,人工智能与经济社会渗透融合并非一蹴而就,而是会经历导入阶段、拓展阶段和成熟阶段等阶段的积累和调整过程。因此,人工智能并非一开始就能对经济增长产生促进作用,在人工智能的导入阶段,将对经济增长产生负向效应。人工智能具有“当代与未来贯通的长期性”,经过导入阶段的积累和调整过程,对经济增长的促进作用才得以显现,长期而言,经济存在指数级增长的可能,但同时伴随着南北差距的扩大。自主创新成为缩小未来南北差距的关键,而提升欠发达国家的技术引进效率仅能够缓解南北差距扩大的趋势。第二,人工智能的发展伴随而来的是劳动力从机械化、知识创造性低的工作和既定程序的开放型脑力劳动中解放出来,而新工作岗位对劳动力的素质和技能要求不断提升,带来高技能劳动力需求扩大和实际工资水平提高,进而对经济高质量增长产生推动作用。劳动是人工智能技术创新促进经济增长的重要渠道之一,劳动渠道主要通过劳动就业路径和劳动收入路径促进经济增长。从劳动就业路径而言,人工智能能够将劳动力从繁琐的工作中解放出来,与此同时,创造新的就业需求,拉动劳动力就业,推动经济增长;从劳动收入路径而言,人工智能能够带来更高的劳动收入水平,对经济增长表现出显着的正向效应。目前,人工智能发展的同时,工作任务标准化、劳动力素质和技能提升以及智能渗透引致就业均能缩小技能收入差距,技能收入差距并未呈扩大趋势,将对经济增长产生正向效应,但不容忽视的是,目前人工智能与经济社会渗透融合尚处于拓展初期,边界延展对技能收入差距的扩大效应并未得到完全释放,未来仍然存在技能收入差距扩大的潜在风险。另外,人工智能在与经济社会渗透过程中同样潜伏着风险和挑战,尤其是在人工智能的导入阶段,会带来智能机器挤出劳动就业,降低劳动收入水平,并加剧收入不平等,进而抑制经济增长。只有经过导入阶段的调整和技术积累,人工智能的经济增长效应才能真正发挥作用。第三,人工智能在经济社会的快速渗透将吸引更多的资本积累,增加资本投资,提升资本的生产效率,对宏观经济增长产生支撑作用。资本是人工智能技术创新促进经济增长的又一渠道,而这一渠道主要通过资本积累路径和资本结构路径发挥作用。就资本积累路径来看,在人工智能的导入阶段,人工智能资本增加的同时挤出传统资本,由于增加的人工智能资本难以弥补挤出的传统资本,进而资本积累下降,抑制经济增长,但经过导入阶段的调整和技术积累,人工智能能够吸引更多的资本投资,增加资本积累,且增长幅度大于下降幅度,进而资本积累总体呈上升趋势。中国作为最大的发展中国家,资本积累尚存在较大空间,通过增加资本积累能够促进经济增长。就资本结构路径来看,受行业工作任务特征的影响,人工智能的渗透难度存在行业差异。由于产品生产部门智能渗透相对容易,将吸引大量人工智能资本和部分传统资本流入,而服务部门智能渗透难度大,该部门新增的高技能岗位将吸引大量传统资本流入。在两种资本的流动过程中,无论是产品生产部门大量采用人工智能资本替代劳动力,还是服务部门部分采用人工智能资本替代劳动力,传统资本与高技能劳动力相结合进行生产,都将提升资本的生产效率,促进经济增长。第四,人工智能的发展能够突破“索洛悖论”的怪圈,显着提升技术效率,最终体现为全要素生产率的增长,为经济增长提供力量源泉。生产效率是除劳动和资本外人工智能技术创新促进经济增长的又一渠道,而这一渠道包括技术进步路径和技术效率路径。但实证发现,生产率渠道主要通过技术效率路径发挥作用,技术进步路径的作用并不显着。具体而言,现阶段,人工智能技术创新对促进技术传播和扩散、科学发现与发明以及技术革新和改进等的作用并不显着,难以通过技术进步路径实现经济增长。但能够提升其他生产要素间衔接配合的契合度,补充或增强传统生产要素,带来微观主体的管理方式、社会管理方式以及经济社会组织运行的模式不断改革,改善要素质量与配置效率,进而驱动经济增长。然而,人工智能并非一开始就能提升全要素生产率,同样需要调整和技术积累的过程。人工智能在导入阶段,由于“索洛悖论”的存在,对经济增长的促进作用并不明显,但随着人工智能在行业应用的逐渐成熟,“索洛悖论”将消失,全要素生产率显着提升,且提升幅度大于前期的下降幅度,进而实现经济增长。最后对论文的研究结论进行总结,并就中国人工智能发展提出了政策建议。另外,本文可能的创新之处主要体现在以下三个方面:第一,多角度、综合系统地分析了人工智能影响经济增长的三条渠道,补充和拓展了人工智能与经济增长的相关研究。围绕人工智能与经济增长的已有研究往往直接指出人工智能对经济增长的影响方向,而缺乏作用机理分析,或者从某一方面研究人工智能对经济增长的影响,缺乏多视角、综合系统的研究。本文基于人工智能影响经济增长的典型事实,从劳动、资本和生产率等多角度出发,综合系统地分析了人工智能影响经济增长的作用渠道,在一定程度上补充和拓展了已有的相关研究:（1）劳动渠道。人工智能的发展伴随着劳动力从机械化、知识创造性低的工作和既定程序的开放型脑力劳动中解放出来,创造的新就业岗位带来高技能劳动力需求扩大和实际工资水平提高,推动经济高质量增长,与此同时,人工智能也将带来技能溢价,加剧收入不平等,进而抑制经济增长。（2）资本渠道。人工智能能够增加资本积累,带来人工智能资本和传统资本在行业流动,提升资本的生产效率,推动经济增长。（3）生产率渠道。人工智能在行业的应用过程中能够提升其他生产要素间衔接配合的契合度,补充或增强传统生产要素,带来微观主体的管理方式、社会管理方式以及经济社会组织运行模式不断改革,改善要素质量与配置效率,进而驱动经济增长。第二,考虑了人工智能对经济社会产生影响的阶段差异,从理论上科学、全面地认识了人工智能在渗透融合的不同阶段对经济社会的风险与机遇。人工智能向经济社会渗透融合并非一蹴而就,而是会经历从导入到不断成熟的过程,因此,其对经济社会的作用效应也将存在阶段差异。Hémous&Olsen（2015）、王君等（2017）等研究注意到了人工智能对劳动就业和收入差距产生影响的阶段差异,但在人工智能的其他相关研究中并未受到重视。因此,围绕人工智能与经济增长的已有研究均未考虑人工智能产生影响的阶段差异,进而忽略了人工智能对经济社会产生影响的调整过程,而调整过程往往伴随着风险与挑战。因此,缺乏这一考虑,可能导致研究结论出现偏差。本文将人工智能产生影响的阶段差异引入分析过程,分析了人工智能在与经济社会渗透融合的不同阶段通过作用于劳动、资本和生产率对经济增长的作用效应,明确了人工智能风险和机遇的阶段存在性。在一定程度上,这是对既有人工智能与经济增长相关研究的一个重要补充。第三,从行业层面出发,探索出了一种衡量人工智能发展水平的方法,弥补了目前人工智能相关研究在数据选择上的不足。受相关数据可得性的限制,国内围绕人工智能的实证研究较少,已有的实证研究主要采用工业或制造业机器人数据进行研究,并不能全面反映人工智能在整个国民经济行业的渗透情况,得到的结论存在片面性。本文采用人工智能相关专利申请量作为衡量人工智能发展水平的代理变量。基于本文对人工智能的界定,分别以“人工智能”“算法”“专家系统”“机器人”为关键词,在Patenthub专利汇全球专利数据库搜索专利数据,将重复的数据进行剔除,并将得到的人工智能专利数据根据三个层次分入我国国民经济各行业。第一个层次:按国际专利分类（IPC）主分类号归类;第二个层次:难以按IPC号分类的专利数据按照《国际专利分类与国民经济行业分类参照关系表》归类;第三个层次:剩余的专利数据按用途划分。最后形成2003-2018年19个行业人工智能专利绝对量的面板数据。这一数据清晰地反映了人工智能在不同行业的渗透情况,以及对不同行业产生的影响效应。基于此,实证检验了人工智能的经济效应,克服了人工智能与经济增长相关研究在人工智能代理变量选取上的不足。
孙博华[3]（2020）在《考虑驾驶能力及驾驶习性的个性化人机共驾策略研究》文中研究说明人机共驾系统可以视为社会属性的人与逻辑属性的车辆智能化子系统通过克服彼此间的决策冲突,最终形成的安全、高效且友好的稳定驾驶模式,是“驾驶人-智能系统”间的最优驾驶匹配。考虑社会因素、伦理因素以及“机驾”系统的智能逻辑属性对智能车辆的影响,人机协同共驾模式将很可能长期存在于智能汽车中。在人机共驾研究中,“人驾”与“机驾”的协同与冲突机理分析是研究基础,驾驶人的人因属性和“机驾”的决策逻辑是影响系统性能的主要因素。人因属性包含驾驶习性、驾驶技能和驾驶状态等驾驶人行为模式属性,是人机共驾系统进行驾驶权分配时的关键影响因素。此外,人因属性对于“机驾”决策逻辑也具有重要影响。因此,基于人因属性的个性化人机共驾策略研究,是未来智能驾驶系统的关键技术之一。本文在深入分析人机间的协同与冲突机理的基础上,针对人机协同共驾中驾驶人的人因属性和机器的逻辑属性,开展了考虑驾驶能力及驾驶习性的个性化人机协同共驾研究。建立起面向人因属性的系统激励及场景构建理论及测试方法,并搭建了相应的测试平台;提出驾驶能力概念及评估方法,解决了复杂多变的人因属性引起的驾驶权分配机制的合理性问题;采用中级类我度对应的“类我”属性表征及评估方法,实现了“类我”“机驾”策略;设计包含驾驶权仲裁子系统及“类我”“机驾”子系统的人机共驾策略架构,建立起高驾驶人可接受度及行驶安全性的人机协同共驾策略。首先,为满足用于人机共驾系统的驾驶能力及驾驶习性等人因属性表征及评估需求,本文提出了面向人因属性表征及评估的系统激励及场景构建理论及测试方法,建立了驾驶人在环智能模拟平台及实车数据采集及模型验证平台。提出了包含系统激励型、微观场景型及自然驾驶型的人因属性用“V”字型测试流程:基于激励信号的周期性及突变性选择激励信号并设计系统激励型场景;通过耦合车辆运动模型及车路可行驶区域空间拓扑结构的时空状态,建立可揭示人-车-路耦合机理及车路协同规律的虚拟随机车路场模型及相应的微观驾驶场景;通过建立完善的系统配置及合理的测试规程,设计支持高精度、多维度及高场景一致性的自然驾驶测试系统及测试方法。其次,为了解决具备时变、高阶非线性及动态特性的人因属性对人机共驾系统中驾驶权分配机制的影响,提出了驾驶能力概念及评估方法。将驾驶能力定义为驾驶人随外界环境负荷变化而对车辆渐变的把控能力,是个人驾驶习性、驾驶技能及驾驶状态等人因属性元素的综合体,具有时变、非线性及动态特性。基于Hammerstein模型建立了驾驶能力辨识模型,采用主成分分析法对模型中的关键参数进行解耦和降维;通过客观蚁群聚类和主观量表分析相结合的分类方式,实现了驾驶能力的分类;通过多元线性回归分析法计算得到驾驶能力评价方程。分别在典型激励场景和虚拟微观场景中,分析驾驶能力机理及特性,测试并验证驾驶能力评估方法的合理性和有效性。再次,根据“类我”属性表征及评估需求,建立了中级类我度对应的驾驶习性表征及评估框架。将驾驶习性定义为驾驶人相对稳定的、习惯性的内在行为倾向,是不同个体间具备强差异性的个人心理思维和行为模式的综合体。依次通过对驾驶习性的特征提取、离线评估、在线数据仲裁及在线评估方法,建立了“类我”属性的表征及评估方法。通过基于主客观相结合的分类方式、基于多维高斯隐马尔科夫过程的辨识模型及基于正交试验的参数优化方式,建立起“类我”属性的分类数据库及带有最优内参组合的离线辨识模型;通过基于车辆运动意图的交通态势辨识模型实现“类我”属性的在线数据仲裁,通过驾驶习性在线辨识模型实现“类我”属性的在线评估。依次在典型激励场景、虚拟场景及自然驾驶场景下验证并分析了“类我”属性表征及评估方法的评估准确率及在线评估周期。最后,建立考虑驾驶能力及驾驶习性的个性化人机共驾策略。分析了“人-车-控制器-场景”大系统中的人机协共驾系统与其他系统间的耦合及协作模式,进而设计了包含驾驶权仲裁子系统及“类我”“机驾”子系统的人机共驾系统架构。在动态驾驶任务中,“人驾”与“机驾”子系统通过实时调整驾驶权分配系数共享对车辆的控制权。通过基于多维混合高斯辨识过程的驾驶能力实时辨识模型,建立实时驾驶权仲裁机制;通过双层混合高斯隐马尔可夫辨识过程及混合可观测马尔科夫决策过程,实现适用于复杂场景的“类我”“机驾”决策逻辑。分别在模拟器平台及实车平台上建立包含车道、道路拓扑结构及车辆行为的复杂场景,通过所提出的人机共驾策略评价准则,验证并分析人机共驾控制策略的合理性及其相比于仅“人驾”及仅“机驾”模式的性能优势。
邹燕琴[4]（2020）在《人工智能+档案 ——档案智慧服务体系研究》文中研究指明人工智能的发展成为我国经济发展的新引擎和社会建设的新机遇。“人工智能+档案”跨界融合应用将对档案服务理念、服务方式、服务内容和服务人员产生变革性影响,使档案变得更加“智慧”,让档案服务变得更加“智慧”,为档案管理智慧化转型升级赋能。国内外已经初步研究了人工智能在档案管理领域应用的可行性与理论模型建构,但是目前档案学界的相关研究内容缺乏足够的案例研究,也缺乏对“人工智能+档案”的研究现状和实践案例的系统梳理,还没有针对“人工智能+”档案智慧服务体系的系统性研究。因此,本文探讨“人工智能+”档案智慧服务体系能助力档案事业发展,具有重要的理论价值和实践意义。全文以“人工智能+”档案智慧服务为切入点,重点研究人工智能对档案服务产生的变革性影响,深度挖掘与总结国内外现有相关案例,从理论研究到实践分析、从微观视角到宏观视角对档案智慧服务体系构建及其所面临的困境作系统全面的研究。研究主要内容包括以下五个部分:第一部分主要从理论层面介绍了本文的研究背景及意义,阐述了国内外的研究现状、研究内容及方法、研究的创新点和难点。第二部分重点阐释人工智能与档案服务的基本概念,具体包括人工智能的内涵及核心技术、“人工智能+”的概念、智慧服务的概念、档案智慧服务的概念及“人工智能+”档案智慧服务。第三部分从基础设施层、档案资源层、技术处理层和服务应用层四个维度构建“人工智能+”档案智慧服务体系,深度挖掘国内外“人工智能+档案”的实践应用实例,探讨人工智能如何赋能档案智慧服务,最终初步构建起“人工智能+”档案智慧服务体系。第四部分系统深入地从理念、资源、技术和人员四个维度研究构建档案智慧服务体系所面临的困境,目前还存在服务道德伦理问题、档案数据与个人隐私问题、技术发展瓶颈与应用风险、人员替代危机与创新要求等问题;第五部分针对现有困境提出完善人工智能伦理规范与法律、做好档案数据优化与保护、推进技术发展与安全防御、人机共存思维与馆员培养引进等解决策略,以期为我国档案事业发展智慧化转型升级提供参考借鉴。
王益成[5]（2020）在《数据驱动下科技情报智慧服务模式研究》文中研究表明从“信息时代”到“数据驱动”的智慧服务时代,多源异构且海量的数据资源成为人们解决问题的出发点。将多源异构且海量的数据资源纳入科技情报智慧服务模式中,不再局限于传统科技情报服务涉及的专利数据、科技文献数据、实地调研数据与科技项目数据等,还应该涵盖更广范围的互联网数据资源、科研社交媒体数据资源、社交网络数据资源与政府开放数据资源等多种来源的数据形式。数据资源驱动着科技情报服务从用户需求感知、科技情报内容获取与科技情报服务场景化推送这三个核心功能实现科技情报智慧服务模式,实现了科技情报服务流程的创新。本研究旨在以新视角探索数据驱动时代科技情报智慧服务模式及其实现,解析科技情报智慧服务构成要素及其特征,以实证分析探索数据驱动时代科技情报服务向智慧服务模式转型的思路,为科技情报机构科学转型提供理论与实践支撑。基于此,通过界定“数据驱动”、“情报、智能与智慧的辩证关系”、“智慧服务”与“科技情报智慧服务”等相关概念,以回顾智慧服务、科技情报服务与科技情报智慧服务研究现状为基础,综合运用文献调研法、问卷调查法、情境实验法、案例分析法与模式构建法分析了科技情报智慧服务的数据环境、驱动模式、创新模式与模式实现以及保障策略的制定。围绕科技情报智慧服务模式这一核心研究内容,本文第三章从科技情报智慧服务模式构成要素及表现特征为出发点对智慧数据、用户需求、智能技术、智慧情报、情报工作者、智慧服务平台与情报分析方法这七个维度进行详细阐述,分析了各构成要素在科技情报智慧服务模式中的地位以及数据驱动各构成要素的融合协作的服务特征;第四章以“数据驱动”视角切入科技情报智慧服务模式构建研究,更多的体现智慧数据服务作为智慧服务的核心构成要素,实现数据驱动科技情报智慧服务,获取用户需求,利用智能技术分析获取情报,实现场景化服务推送与嵌入式的科技情报服务;第五章就如何实现数据驱动科技情报智慧服务进行了详细阐述,从多源数据分析切入科技情报智慧服务模式的实现研究过程,体现了数据驱动作为科技情报服务的新范式与新思想,着重从需求感知、内容获取与服务推送等三个科技情报服务流程构成解析科技情报智慧服务模式实现路径,综合运用用户画像方法、数据挖掘方法与场景分析和需求侦测方法对科技情报智慧服务模式进行解析,并融入科研大数据在此过程中结构、类型与属性分析结果进行解析,探究这些数据在需求感知、内容获取与服务推送中的应用关系,进而实现科技情报智慧服务模式并完善科技情报智慧服务研究体系;第六章采用单案例横向研究方法研究格微软件数据驱动背景下科技情报智慧服务模式的系统优化策略;第七章就如何实现科技情报机构实现智慧服务模式转型升级分析了相关保障策略。具体内容如下:（1）系统分析了科技情报智慧服务模式核心构成要素与特征。构成要素涵盖数据、用户、技术、智慧情报、科技情报工作者、智慧服务平台与方法等七个维度,将从这七个维度进行深入分析,并在此基础上讨论数据驱动下科技情报智慧服务实现的理论与实践基础,进而对科技情报智慧服务的需求敏感性、数据多源性、技术智能性与服务场景化等四个主要特征进行解读。系统分析科技情报智慧服务构成要素是构建科技情报智慧服务模式的基础,在文献调研并借鉴其它领域实践经验的基础上对各个构成要素进行详细分析。数据、用户、技术、内容、科技情报工作者、智慧服务平台与方法等七个维度间相互关联、相互印证,进一步丰富着科技情报智慧服务研究领域的知识体系。（2）构建了数据驱动下的科技情报智慧服务模式。从“数据驱动”视角切入科技情报智慧服务模式构建研究,更多的体现智慧数据服务作为智慧服务的核心构成要素,实现数据驱动科技情报智慧服务,获取用户需求,利用智能技术分析获取情报,实现场景化服务推送与嵌入式的科技情报服务。在此过程中优化传统科技情报服务模式,优化构成科技情报智慧服务的各个构成要素,实现模式最优化并体现科技情报智慧服务的四个特征,通过文献调研法探讨已有服务模式的优劣势,重构科技情报服务模式与流程,重点突出智慧实现流程,数据如何驱动智慧情报服务。（3）分析了数据驱动下科技情报智慧服务的实现路径。以科技情报智慧服务模式实现的三项核心功能为基础,在实现智慧服务核心功能基础上实现科技情报智慧服务,从多源科研大数据分析切入科技情报智慧服务模式的实现研究过程,体现了数据驱动作为科技情报服务的新范式与新思想,着重从需求感知、内容获取与服务推送等三个科技情报服务流程构成解析科技情报智慧服务模式实现路径,综合运用用户画像方法、数据挖掘方法与场景分析和需求侦测方法对科技情报智慧服务模式进行解析,并融入科研大数据在此过程中结构、类型与属性分析结果进行解析,探究这些数据在需求感知、内容获取与服务推送中的应用关系,进而实现科技情报智慧服务模式并完善科技情报智慧服务研究体系。（4）采用单案例横向研究方法研究格微软件数据驱动背景下科技情报智慧服务模式的系统优化策略,在分析格微软件基本概况与发展现状的基础上,进而分析格微软件科技情报智慧服务发展模式,并对其较为超前的实践应用成果进行分析,然后借鉴前述构建的科技情报智慧服务模式及其实现研究,提出格微软件在数据驱动背景下科技情报服务模式优化的策略。（5）制定数据驱动下科技情报智慧服务模式保障策略。以构成数据驱动下科技情报智慧服务模式的构成要素以及智慧服务模式实现过程为主体制定数据驱动下科技情报智慧服务模式保障策略,具体维度包含数据、用户、科技情报工作者、科技情报服务机构、政府部门、技术与方法等维度。如完善数据安全保障机制,完备数据分析技术、方法与工具,科技情报服务人才队伍建设,建立健全相关法律法规等。制定数据驱动下的科技情报智慧服务模式保障策略应依据重点保障关键要素、完备并疏通科技情报智慧服务流程、科技情报智慧服务整体平衡、联合共建共享等四项基本原则。数据驱动时代,传统科技情报服务模式已然无法满足用户崛起的趋势以及内外环境面临的机遇与挑战,界定数据驱动科技情报智慧服务的内涵与外延,探索科技情报智慧服务模式的实现,有利于从方法论认知层面为科技情报智慧服务的转型升级提供理论支撑,本文构建的数据驱动科技情报智慧服务模式也更具实践价值。
邓燕艳[6]（2020）在《高中人工智能课程教学质量影响因素研究》文中提出随着人工智能时代的到来,人工智能教育成为备受关注的热点。教育部颁布的《全日制普通高中信息技术课程标准（2003年版）》使我国高中人工智能课程教学拉开序幕。2017年国务院印发《新一代人工智能发展规划》,明确提出在中小学要设置人工智能课程;同年,教育部颁布的《普通高中信息技术课程标准（2017年版）》将“人工智能初步”模块设为选择性必修,至此,我国高中人工智能课程教学如火如荼地开展起来。人工智能课程教学在我国起步相对较晚,高中教师对人工智能课程教学的认识以及如何保障高中人工智能课程教学质量等方面还存在很多困惑。研究高中人工智能课程教学质量影响因素,对解决课程教学实施过程中的诸多问题、推动高中人工智能课程教学的发展具有一定的参考价值。通过文献阅读与调查访谈发现,目前高中人工智能课程教学实施过程中理论指导和实践能力的提高亟待加强,暂未发现学者对影响高中人工智能课程教学质量的因素进行过系统研究,因此,对于这一方面有较大研究空间。以贵州省高中信息技术一线教师为研究对象,采用文献研究、问卷调查、师生访谈、内容分析以及德尔菲法等方法提取并确定影响高中人工智能课程教学质量的因素。研究主要包括:（1）梳理与高中人工智能课程教学关系紧密的四个核心概念以及“人工智能课程教学”、“高中人工智能教材”相关领域的研究现状;（2）通过对高中信息技术一线教师进行问卷调查和访谈,并对部分学生进行访谈,深入了解贵州省高中人工智能课程教学状况,以及学生对课程开设的意见,结合数据分析,总结高中人工智能课程教学实施困境,为后文探索影响高中人工智能课程教学质量的因素奠定基础;（3）根据问卷调查与访谈结果,结合文献分析,对影响高中人工智能课程教学质量的因素进行初步筛选与总结,通过专家咨询法确定影响因素,进行重要程度分析;（4）根据确定的影响因素,有针对性的提出对策,为保障高中人工智能课程教学质量提供参考。通过以上研究,最终析出教师专业素养、教学设备与环境配置、课时设置问题、专业师资力量、考核与评价机制的改革、教师培训等20个因素对高中人工智能课程教学质量具有一定影响。高中教师在进行人工智能课程教学时,应充分结合实际情况,重点考虑这些因素的影响,对保障高中人工智能课程教学质量有所裨益。
余源丰[7]（2020）在《群目标态势推理关键技术研究》文中研究说明在实际作战时,指挥员需要快速、准确地处理战场情报数据。随着作战信息化程度的提高,指挥员难以在高维、海量的战场情报数据面前做出战术决策。因此需要一些技术手段辅助指挥员进行指挥决策。态势估计可以在底层传感器数据融合的基础上完成战场态势推理,研究态势估计技术将战场环境转化为态势图,让指挥员及时掌握战场态势走向。因此本文从态势估计的问题出发,在传统的态势估计技术的基础上进行改进,从而提高态势推理的效率和态势推理的准确性。本文首先在分析态势估计发展状况的基础上,从战场群目标出发,完成对战场态势要素的提取、事件检测和目标分群等工作;接着研究了模板匹配技术,分析并建立了几种典型的态势模板,通过引入最大公共子图问题实现模板匹配;针对战场态势由当前时刻和历史时刻共同决定的特点,引入长短时记忆网络（LSTM）实现态势推理,最后提出了基于组合智能的态势推理算法。主要工作如下:1.针对战场态势的数据处理问题,本文通过对战场态势的分析,从静态、动态和辐射源三个方面提取态势要素。然后将战场事件检测分为基本事件检测、机动事件检测和辐射源事件检测,其中基本事件基于目标一段时间内的运动状态来判断,机动事件在基本事件基础上对运动过程进行划分,组合各个部分的基本事件来完成机动事件的检测。传统的基于聚类算法的分群算法无法全面的表现目标之间的关系,因此本文将目标静态特征和动态特征结合,从而综合判断目标之间的群组关系。2.针对态势推理中模板匹配算法,本文在研究模板匹配原理和模板结构的基础上,分析了敌方的作战方式,对目标的属性和运动特征离散化处理,建立了攻击、追踪、侦察、集结和巡航等五种典型的态势模板。通过引入最大公共子图问题,将模板匹配问题转化为求解图的相似度,将实时的战场观测数据与模板进行图的相似度计算。该方法避免了使用证据理论进行匹配时在证据收集和表示方面的困难。3.针对战场态势的时序性特点,本文利用LSTM网络在处理时序问题上的优势,建立了基于LSMT的态势推理算法,挖掘战场历史时刻和当前时刻对当前态势的影响,使得推理结果更加可靠,并通过原始数据——态势推理和事件检测——态势推理两种方式来使用LSTM态势推理模型。在此基础上,将模板匹配算法和LSTM推理算法结合,提出了基于组合智能的态势推理算法,该算法对分别独立使用模板匹配算法和LSTM推理算法推理结果进行冲突检测,并通过对检测结果的分析和折中,弥补了战场数据缺失时LSTM推理算法的不精确和模板匹配时模板库不完善的缺点。
屈窈[8]（2020）在《跨学科知识互动机理及互动效应研究》文中研究说明高技术的研究及其发展,导致了新的科技重大变革,出现了新型的跨学科与多学科交叉合作模式。现代科学研究与科技开发要实现重大突破,关乎国家命脉的重大复杂现象及其科技重大攻关问题要得到解决,也促使并带动了不同学科之间的合作交流,跨学科的知识互动将必不可少。而跨学科研究中如何实现各学科真正的合作;如何促进不同学科的研究人员达成真正的知识互动;如何实现跨学科研究的突破性创新都是值得我们重视并研究的问题。本文首先针对上述问题查阅国内外相关研究文献,对其研究状况及其背景实施分析,在阐述相关理论及相关概念的基础上,探索研究了跨学科知识互动的各种机理,分别探索了跨学科知识互动的影响机理,跨学科知识互动关系形成机理与互动作用机理;跨学科知识互动的网络结构的形成机理等。针对影响机理以研究型跨学科团队为调查对象进行访谈,并对跨学科知识互动的影响问题结合社会网络分析理论,采用AMOS软件建模,提出相关假设,实施验证性分析;进一步,选取我国人工智能与其它学科交叉的国家自然基金课题项目作为案例研究对象,建立了跨学科知识互动网络模型,深入分析了跨学科知识互动的过程及特点。从网络密度、网络中心性、结构洞、网络小群体等方面对其进行社会网络分析,揭示了以此案例数据为基础的跨学科知识互动的网络特征,研究了跨学科知识互动的各种效应,包括互动意愿效应、互动关系效应、互动结构效应、互动扩散效应。并针对跨学科知识互动中存在的问题提出了有用的改进策略。
薛峰[9]（2020）在《人工智能对马克思劳动理论的影响研究》文中研究指明近年来,人工智能热议不断。除去直接现实原因外,人工智能热潮背后暗含历史与逻辑的必然性。人工智能是一个历史生成的概念,它首先发轫于古代追求劳动解放的美好夙愿,生长于近代关于身心问题的哲学之辩,实现于现代“图灵测试”的可操作化标准,“后图灵测试”时代人工智能曲折发展的历史表明,技术的发展也会经历“肯定-否定-再肯定”的辩证过程。人工智能哲学领域的基本问题是人工智能与人类智能的关系问题。人工智能目前在问题求解、模式识别等诸多领域应用广泛。符号主义、行为主义和联结主义三种研究范式之间哲学理念的转换,启示我们未来人工智能的发展须依赖三种范式的互相融合。马克思劳动理论的革命性体现在其将劳动理解为实践与哲学思维方式的创建。“智能劳动”同属马克思劳动理论所关涉范畴之内。无论人工智能如何发展,都符合人类从必然王国走向自由王国的历史规律。马克思劳动理论时代性展现在其内含的肯定性、批判性和理想性维度,这也是我们能够将其与人工智能现实对接的理论基础。作为时代产物的人工智能,其仍属于人类“对象性活动产物”这一物质范畴。人工智能既具有时代的特殊性,又具有人类劳动产物的普遍性特征。人工智能对劳动的挑战按时间维度可分为短期、中期和远期,按空间维度可从主体（劳动者）、中介（人工智能技术）和客体（人类社会）三个方面来解析。如何运用劳动逻辑应对人工智能挑战,将是马克思劳动理论在智能时代面临的一大重要课题。从劳动本体论看,人工智能无法取代劳动在人类存在论意义上的主体地位;从劳动价值论看,人工智能技术下催生的“智能经济”与“智能劳动”对传统劳动理论的阐释提出新的要求;从劳动幸福论来看,人工智能有利于人的劳动解放、人的劳动尊严和人的全面发展的实现。马克思劳动理论的回应表明人工智能本质依然符合马克思劳动理论所揭示的一般规律。从生产力来说,人工智能不仅能够变革劳动者的思维方式,使作为劳动工具的人工智能获得有限的自主性,更拓展了人类劳动对象的时空范围;从生产关系来说,人工智能使生产资料所有制形式更加合理,劳动者地位趋向平等,同时也会推动财富分配方式的转变。人工智能的工作原理、历史和自然与社会的双重属性体现了其历史唯物主义意蕴。人工智能自身面临哲学悖论的解决在于以马克思劳动理论视角为指导,以人类劳动的现实存在为基础。未来人工智能与人类将会组成新的“人机命运共同体”,马克思劳动理论将指导我们处理“后人类中心主义”中的人机关系。
张梦媛[10]（2020）在《人工智能创新的伦理问题及规范研究》文中进行了进一步梳理二十一世纪,人工智能创新技术迅猛发展,获得了诸如模式识别、专家系统、机器翻译、智能控制、人工神经网络等众多创新成果。如今,人工智能创新产物能够在生物医学领域辅助疾病诊断、新药研发、基因数据分析以及疫情防控;能够在服务制造领域辅助生产、销售及售后服务;能够在通讯社交领域保障网络安全、便捷交通通讯,扩大社交媒介等。此外,人工智能创新还对社会生活产生重要影响,如积累社会经济效益,变更社会交互结构,影响社会思维方式与生活方式,以及加重社会的隐形负担。人工智能在创新发展过程中,与积极影响同步产生了消极的多领域伦理问题,诸如人权伦理问题、责任伦理问题、代际伦理问题、环境伦理问题等。人权伦理问题主要在于“类人”的人工智能产物对人类的生命健康、尊严隐私以及自由的潜在威胁;责任伦理问题主要在于人工智能产生的安全责任划分不明晰;代际伦理问题主要在于人工智能应用导致的代际关系隔阂;环境伦理问题主要在于人工智能创新生产应用时造成的环境污染与生态破坏。基于此,论文解析了其背后弱化人类主体能力、工具理性与价值理性矛盾,以及伦理规范不完善的问题成因。面对全新技术飞跃,我们应当正视伦理问题,竭力构建人工智能创新伦理规范。人工智能创新背景下的伦理规范应当表现出负责任的态度,保障时效性与多元化,在公平公正中稳健发展。人工智能创新伦理规范需要以人类主体地位原则,伦理嵌入原则、风险预计与控制原则以及可持续发展原则为基础探索发展路径。在国家维度,拓展人工智能创新伦理国际规范平台,确立规范人工智能创新伦理委员会;在社会维度,嵌入“以人为本”的伦理算法导向,完善人工智能创新伦理追责系统;在个人维度,注重科研人员的道德责任培养,提高公众认识。正视人工智能创新伦理问题,构建人工智能创新伦理规范,对实现人机共存的友好环境,助力人工智能创新产业和谐健康发展至关重要。
二、模式识别与智能系统研究展望和对策（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、模式识别与智能系统研究展望和对策（论文提纲范文）
（2）人工智能对经济增长的影响研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 导论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 人工智能的相关研究 |
| 1.2.2 经济增长的相关研究 |
| 1.2.3 人工智能与经济增长的相关研究 |
| 1.2.4 研究述评 |
| 1.3 内容结构、研究方法及技术路线 |
| 1.3.1 内容结构 |
| 1.3.2 研究方法 |
| 1.3.3 研究框架 |
| 1.4 主要创新点与不足 |
| 1.4.1 主要创新点 |
| 1.4.2 不足之处 |
| 2 概念界定与理论基础 |
| 2.1 概念界定 |
| 2.1.1 技术创新 |
| 2.1.2 人工智能 |
| 2.2 相关理论 |
| 2.2.1 技术创新理论 |
| 2.2.2 经济增长理论 |
| 3 人工智能影响经济增长的分析框架 |
| 3.1 人工智能影响经济增长的典型事实 |
| 3.1.1 世界主要经济体人工智能的发展战略 |
| 3.1.2 世界主要经济体人工智能的发展现状 |
| 3.1.3 国内人工智能发展趋势 |
| 3.2 人工智能的四大经济效应 |
| 3.2.1 智能渗透效应 |
| 3.2.2 边界延展效应 |
| 3.2.3 知识创造效应 |
| 3.2.4 自我深化效应 |
| 3.3 经济增长的三大影响因素 |
| 3.3.1 劳动是经济增长不可或缺的要素投入 |
| 3.3.2 资本是经济增长至关重要的实现途径 |
| 3.3.3 生产技术是加速经济增长的动力源泉 |
| 3.4 人工智能影响经济增长的三大渠道 |
| 3.4.1 人工智能影响经济增长的劳动渠道 |
| 3.4.2 人工智能影响经济增长的资本渠道 |
| 3.4.3 人工智能影响经济增长的生产率渠道 |
| 3.5 本章小结 |
| 4 人工智能影响经济增长的劳动渠道 |
| 4.1 分析基础 |
| 4.1.1 高低技能劳动者的厘定 |
| 4.1.2 基本理论假设 |
| 4.2 人工智能影响经济增长的劳动就业路径 |
| 4.2.1 智能渗透对劳动就业的影响 |
| 4.2.2 边界延展对劳动就业的影响 |
| 4.2.3 就业效应下人工智能对经济增长的影响 |
| 4.3 人工智能影响经济增长的劳动收入路径 |
| 4.3.1 智能渗透对劳动收入的影响 |
| 4.3.2 边界延展对劳动收入的影响 |
| 4.3.3 收入效应下人工智能对经济增长的影响 |
| 4.4 劳动就业和劳动收入路径的实证检验 |
| 4.4.1 研究设计 |
| 4.4.2 人工智能影响劳动就业和劳动收入的实证检验 |
| 4.4.3 人工智能、劳动就业和劳动收入影响经济增长的效应分析 |
| 4.4.4 长期效应分析 |
| 4.4.5 作用渠道检验 |
| 4.5 结论:人工智能通过劳动就业和劳动收入影响经济增长 |
| 5 人工智能影响经济增长的资本渠道 |
| 5.1 分析基础 |
| 5.1.1 资本积累与资本结构的概述 |
| 5.1.2 智能渗透的行业差异 |
| 5.2 人工智能影响经济增长的资本积累路径 |
| 5.2.1 智能渗透对资本积累的影响 |
| 5.2.2 边界延展对资本积累的影响 |
| 5.2.3 资本积累效应下人工智能对经济增长的影响 |
| 5.3 人工智能影响经济增长的资本结构路径 |
| 5.3.1 智能渗透对资本结构的影响 |
| 5.3.2 边界延展对资本结构的影响 |
| 5.3.3 资本结构效应下人工智能对经济增长的影响 |
| 5.4 资本积累和资本结构路径的实证检验 |
| 5.4.1 研究设计 |
| 5.4.2 人工智能影响资本积累和资本结构的实证检验 |
| 5.4.3 人工智能、资本积累和资本结构影响经济增长的效应分析 |
| 5.4.4 长期效应分析 |
| 5.4.5 作用渠道检验 |
| 5.5 结论:人工智能通过资本积累和资本结构影响经济增长 |
| 6 人工智能影响经济增长的生产率渠道 |
| 6.1 分析基础 |
| 6.1.1 全要素生产率的解构 |
| 6.1.2 基于“生产率悖论”的争议 |
| 6.2 人工智能影响经济增长的技术进步路径 |
| 6.2.1 智能渗透对技术进步的影响 |
| 6.2.2 知识生产对技术进步的影响 |
| 6.2.3 自我深化对技术进步的影响 |
| 6.2.4 技术进步效应下人工智能对经济增长的影响 |
| 6.3 人工智能影响经济增长的技术效率路径 |
| 6.3.1 智能渗透对技术效率的影响 |
| 6.3.2 边界延展对技术效率的影响 |
| 6.3.3 自我深化对技术效率的影响 |
| 6.3.4 技术效率效应下人工智能对经济增长的影响 |
| 6.4 技术进步和技术效率路径的实证检验 |
| 6.4.1 研究设计 |
| 6.4.2 人工智能影响全要素生产率的实证分析 |
| 6.4.3 人工智能、全要素生产率影响经济增长的效应分析 |
| 6.4.4 长期效应分析 |
| 6.4.5 作用渠道检验 |
| 6.5 结论:人工智能通过技术进步和技术效率影响经济增长 |
| 7 进一步分析——人工智能、长期经济增长与未来南北差距 |
| 7.1 分析基础 |
| 7.1.1 技术创新与长期经济增长的变化路径 |
| 7.1.2 基本理论假设 |
| 7.2 人工智能与长期经济增长 |
| 7.2.1 基本模型构建 |
| 7.2.2 模型分析 |
| 7.2.3 分析结论 |
| 7.3 人工智能发展与未来南北差距 |
| 7.3.1 基本模型构建 |
| 7.3.2 领先国家 |
| 7.3.3 追随国家 |
| 7.3.4 模型分析与结论 |
| 7.4 本章小结 |
| 8 结论及政策建议 |
| 8.1 基本结论 |
| 8.2 政策建议 |
| 8.3 研究展望 |
| 参考文献 |
| 作者在读期间科研成果 |
| 致谢 |
（3）考虑驾驶能力及驾驶习性的个性化人机共驾策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究意义 |
| 1.1.1 课题工业背景 |
| 1.1.2 人机共驾协同与冲突机理分析 |
| 1.2 研究现状与不足 |
| 1.2.1 驾驶权分配机制研究现状与不足 |
| 1.2.2 “类我”属性表征研究现状与不足 |
| 1.2.3 人因系统激励及场景测试方法研究现状与不足 |
| 1.2.4 复杂场景下“机驾”决策逻辑研究现状与不足 |
| 1.3 课题的提出及主要研究内容 |
| 第2章 人因属性系统激励及场景测试方法研究 |
| 2.1 人因属性系统激励及场景测试流程 |
| 2.2 人因属性数据采集系统及测试平台 |
| 2.2.1 驾驶人在环智能模拟平台 |
| 2.2.2 实车数据采集及模型验证平台 |
| 2.3 基于单一激励源的激励信号及激励场景设计 |
| 2.4 虚拟随机车路场微观交通场景设计 |
| 2.4.1 自然驾驶场景的场论化描述 |
| 2.4.2 虚拟随机车路场系统 |
| 2.4.3 虚拟随机车路场系统数据采集方案 |
| 2.4.4 虚拟随机车路场系统验证与分析 |
| 2.5 自然驾驶型测试方法设计 |
| 2.5.1 基于特定路线的自然驾驶测试 |
| 2.5.2 基于典型场景的自然驾驶测试 |
| 2.6 本章小结 |
| 第3章 驾驶能力属性分析及评估方法研究 |
| 3.1 面向驾驶权分配的驾驶能力属性描述 |
| 3.2 驾驶能力属性分析及评估方法 |
| 3.2.1 驾驶能力属性分析逻辑框架 |
| 3.2.2 驾驶能力系统机理及评估方法 |
| 3.3 驾驶能力属性测试验证结果分析 |
| 3.3.1 典型激励场景下的驾驶能力属性分析 |
| 3.3.2 虚拟随机车路场下的驾驶能力属性分析 |
| 3.4 本章小结 |
| 第4章 “类我”属性表征及评估方法研究 |
| 4.1 “类我”属性评估方法的逻辑框架 |
| 4.2 “类我”属性离线表征及评估方法 |
| 4.2.1 “类我”属性离线表征及评估框架 |
| 4.2.2 驾驶习性主客观耦合分类 |
| 4.2.3 驾驶习性离线辨识模型 |
| 4.3 “类我”属性在线数据仲裁及评估方法 |
| 4.3.1 驾驶习性在线评价逻辑框架 |
| 4.3.2 交通态势在线评估方法 |
| 4.3.3 在线数据仲裁逻辑 |
| 4.4 驾驶习性测试验证结果分析 |
| 4.4.1 典型激励场景的驾驶习性属性分析 |
| 4.4.2 典型虚拟场景的交通态势评估验证 |
| 4.4.3 自然驾驶型场景测试下驾驶习性在线评估 |
| 4.5 本章小结 |
| 第5章 复杂场景中个性化人机共驾策略研究 |
| 5.1 人机协同共驾策略逻辑框架 |
| 5.1.1 人机协同共驾策略逻辑框架 |
| 5.1.2 驾驶权仲裁机制及共驾策略评价准则 |
| 5.2 考虑混合可观不确定性的“类我”决策逻辑 |
| 5.2.1 “类我”决策逻辑框架 |
| 5.2.2 “类我”决策逻辑元组设计 |
| 5.2.3 MOMDP近似求解器 |
| 5.2.4 “类我”决策逻辑验证 |
| 5.3 个性化人机共驾策略验证 |
| 5.3.1 模拟器平台下的个性化人机共驾策略验证 |
| 5.3.2 实车平台下的个性化人机共驾策略验证 |
| 5.4 本章小结 |
| 第6章 全文总结及展望 |
| 6.1 研究内容总结 |
| 6.2 全文创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（4）人工智能+档案 ——档案智慧服务体系研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 国内研究综述 |
| 1.2.2 国外研究综述 |
| 1.2.3 研究小结 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 研究创新点及难点 |
| 1.4.1 研究创新点 |
| 1.4.2 研究难点 |
| 第二章 “人工智能+”档案智慧服务基本概念 |
| 2.1 人工智能与“人工智能+” |
| 2.1.1 人工智能的起源及概念 |
| 2.1.2 “人工智能+”的概念及辨析 |
| 2.1.3 人工智能的研究领域及应用 |
| 2.2 智慧服务 |
| 2.2.1 智慧服务的概念 |
| 2.2.2 信息服务、知识服务及智慧服务的概念辨析 |
| 2.3 “人工智能+”档案智慧服务 |
| 2.3.1 档案智慧服务的概念 |
| 2.3.2 “人工智能+”档案智慧服务的概念 |
| 第三章 “人工智能+”档案智慧服务体系构建 |
| 3.1 基础设施层 |
| 3.1.1 机房设施 |
| 3.1.2 软硬件设施 |
| 3.2 档案资源层 |
| 3.2.1 馆藏档案资源 |
| 3.2.2 业务管理数据 |
| 3.2.3 用户服务数据 |
| 3.2.4 用户开放数据 |
| 3.3 技术处理层 |
| 3.3.1 档案智慧收集 |
| 3.3.2 档案智慧整理 |
| 3.3.3 档案智慧鉴定 |
| 3.3.4 档案智慧检索 |
| 3.3.5 档案智慧存储 |
| 3.3.6 档案智慧服务 |
| 3.4 服务应用层 |
| 3.4.1 资源服务多元智慧化 |
| 3.4.2 服务空间泛在虚拟化 |
| 3.4.3 用户服务精准智慧化 |
| 3.4.4 服务反馈与学习优化 |
| 第四章 “人工智能+”档案智慧服务现实困境 |
| 4.1 理念:服务道德伦理问题 |
| 4.1.1 人工智能伦理设计 |
| 4.1.2 主体价值取向 |
| 4.1.3 主体责任权重 |
| 4.2 资源:档案数据与个人隐私问题 |
| 4.2.1 档案数据整合壁垒 |
| 4.2.2 档案数据存储空间 |
| 4.2.3 用户个人隐私风险 |
| 4.3 技术:发展瓶颈与应用风险 |
| 4.3.1 技术发展瓶颈 |
| 4.3.2 网络安全风险 |
| 4.3.3 行业融合制约 |
| 4.4 人员:替代危机与创新要求 |
| 4.4.1 人员替代危机 |
| 4.4.2 人员创新要求 |
| 第五章 “人工智能+”档案智慧服务解决策略 |
| 5.1 制度构建:完善伦理规范与法律 |
| 5.1.1 制定伦理规范标准 |
| 5.1.2 完善现行法律法规 |
| 5.2 资源优化:档案数据优化与保护 |
| 5.2.1 统一数据与平台 |
| 5.2.2 优化系统与技术 |
| 5.2.3 保护个人隐私 |
| 5.3 技术迭代:技术发展与安全防御 |
| 5.3.1 关注AI技术发展 |
| 5.3.2 建立安全防御体系 |
| 5.4 人员升级:人机共存与教育培养 |
| 5.4.1 人机共存思维 |
| 5.4.2 学科教育培养 |
| 5.4.3 馆员培训引进 |
| 结语 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文和参加科研情况 |
| 学位论文评阅及答辩情况表 |
（5）数据驱动下科技情报智慧服务模式研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与创新点 |
| 1.2.1 研究内容 |
| 1.2.2 研究创新点 |
| 1.3 研究方法与技术路线 |
| 1.3.1 研究方法 |
| 1.3.2 研究技术路线 |
| 第2章 文献综述与理论基础 |
| 2.1 国内外研究现状 |
| 2.1.1 智慧服务研究现状 |
| 2.1.2 科技情报服务研究现状 |
| 2.1.3 科技情报智慧服务研究现状 |
| 2.1.4 研究现状述评 |
| 2.2 相关理论基础 |
| 2.2.1 相关概念界定 |
| 2.2.2 信息链理论 |
| 2.2.3 用户场景理论 |
| 2.2.4 需求层次理论 |
| 2.2.5 生命周期理论 |
| 第3章 科技情报智慧服务构成要素及特征 |
| 3.1 科技情报智慧服务构成要素 |
| 3.1.1 智慧数据 |
| 3.1.2 用户需求 |
| 3.1.3 智能技术 |
| 3.1.4 智慧情报 |
| 3.1.5 科技情报工作者 |
| 3.1.6 科技情报智慧服务平台 |
| 3.1.7 科技情报分析方法 |
| 3.2 科技情报智慧服务模式要素间关联关系 |
| 3.3 科技情报智慧服务特征 |
| 3.3.1 数据多源性 |
| 3.3.2 需求敏感性 |
| 3.3.3 技术智能性 |
| 3.3.4 服务场景化 |
| 3.4 本章小结 |
| 第4章 数据驱动下科技情报智慧服务模式构建 |
| 4.1 多源数据驱动 |
| 4.1.1 数据多源性 |
| 4.1.2 多源数据融合 |
| 4.2 智慧服务模式构建思路 |
| 4.3 智慧服务模式核心功能设计 |
| 4.3.1 用户需求智慧感知功能 |
| 4.3.2 情报服务智慧决策功能 |
| 4.3.3 用户服务智能推送功能 |
| 4.4 科技情报智慧服务模式 |
| 4.5 本章小结 |
| 第5章 数据驱动下科技情报智慧服务实现 |
| 5.1 多源科研数据调研 |
| 5.1.1 数据结构 |
| 5.1.2 数据类型 |
| 5.1.3 数据属性 |
| 5.2 基于用户动态画像的科技情报用户需求智慧感知 |
| 5.2.1 用户结构分析 |
| 5.2.2 用户分层画像 |
| 5.2.3 用户动态画像 |
| 5.2.4 用户需求模型构建 |
| 5.3 基于网络文本挖掘的公众政策感知智慧研究 |
| 5.3.1 运用网络文本挖掘分析公众政策感知 |
| 5.3.2 人工智能产业政策公众感知的特征 |
| 5.3.3 人工智能产业政策公众感知热点主题 |
| 5.4 基于向量空间模型的科技情报服务场景化推送 |
| 5.4.1 向量空间模型的应用 |
| 5.4.2 场景化服务 |
| 5.4.3 场景化服务接受效用 |
| 5.4.4 场景化服务推送模型 |
| 5.4.5 场景化服务推送实验 |
| 5.5 科技情报服务智慧反馈机制 |
| 5.6 本章小结 |
| 第6章 案例研究 |
| 6.1 格微软件科技情报智慧服务发展现状 |
| 6.1.1 基本概况 |
| 6.1.2 科技情报智慧服务发展现状 |
| 6.2 格微软件科技情报智慧服务发展模式 |
| 6.2.1 发展模式分析 |
| 6.2.2 实现路径 |
| 6.3 格微软件向科技情报智慧服务模式转变的优化 |
| 6.3.1 用户维度优化 |
| 6.3.2 情报维度优化 |
| 6.3.3 服务维度优化 |
| 6.4 本章小结 |
| 第7章 数据驱动下科技情报智慧服务保障策略 |
| 7.1 政策保障层面 |
| 7.1.1 建立健全法律法规保障体系 |
| 7.1.2 优化科技情报机构管理架构 |
| 7.2 资源保障层面 |
| 7.2.1 完善科研数据安全保障策略 |
| 7.2.2 推进科研数据开放保障策略 |
| 7.2.3 科技情报数据资源保障策略 |
| 7.3 技术保障层面 |
| 7.3.1 完善技术体系建设保障策略 |
| 7.3.2 完善科技情报服务反馈体系 |
| 7.3.3 创新大数据分析方法及工具 |
| 7.4 人才保障层面 |
| 7.4.1 完善人才队伍建设保障策略 |
| 7.4.2 完善科技情报人才教育体系 |
| 7.5 本章小结 |
| 第8章 研究总结与展望 |
| 8.1 研究总结 |
| 8.2 研究创新点 |
| 8.3 研究局限与展望 |
| 8.3.1 研究局限 |
| 8.3.2 研究展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（6）高中人工智能课程教学质量影响因素研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 人工智能新时代对高中生能力培养的需求 |
| 1.1.2 开设高中人工智能课程的政策依据 |
| 1.1.3 保障高中人工智能课程教学质量的迫切需要 |
| 1.2 问题提出 |
| 1.3 研究目的及意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容及方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 2 核心概念界定与研究综述 |
| 2.1 概念界定 |
| 2.1.1 人工智能 |
| 2.1.2 人工智能课程 |
| 2.1.3 高中人工智能课程 |
| 2.1.4 高中人工智能课程教学 |
| 2.2 研究综述 |
| 2.2.1 国外研究综述 |
| 2.2.2 国内研究综述 |
| 2.2.3 综述小结 |
| 3 高中人工智能课程教学状况分析 |
| 3.1 问卷调查与访谈的实施 |
| 3.1.1 问卷调查的实施 |
| 3.1.2 访谈的实施 |
| 3.2 研究结果 |
| 3.2.1 问卷数据分析 |
| 3.2.2 教师访谈结果 |
| 3.2.3 学生访谈结果 |
| 4 高中人工智能课程教学质量影响因素分析 |
| 4.1 影响因素的选择 |
| 4.2 影响因素的确定 |
| 4.3 影响因素的重要程度 |
| 4.4 影响因素的结果讨论 |
| 5 保障高中人工智能课程教学质量的策略 |
| 5.1 促进交流:巩固课程教学发展内部系统 |
| 5.2 建立途径:推动高中教师专业素养提升 |
| 5.3 营造环境:助推考核与评价机制的改革 |
| 5.4 强化意识:更新家校人工智能发展理念 |
| 6 总结与展望 |
| 6.1 工作与总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 附录 |
| 附录一 高中人工智能课程教学情况调查问卷 |
| 附录二 对高中人工智能课程教学实施情况的访谈提纲 |
| 附录三 对高中人工智能课程学习情况的访谈提纲 |
| 附件四 高中人工智能课程教学质量影响因素调查问卷 |
| 附录五 高中人工智能课程教学质量影响因素重要程度调查问卷 |
| 致谢 |
| 攻读硕士学位期间主要研究成果 |
（7）群目标态势推理关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容及论文结构 |
| 第二章 战场态势分析及数据处理 |
| 2.1 态势估计模型 |
| 2.2 态势要素提取 |
| 2.3 战场事件检测 |
| 2.3.1 基本事件检测 |
| 2.3.2 机动事件检测 |
| 2.3.3 辐射源事件检测 |
| 2.4 目标分群算法 |
| 2.4.1 目标分群算法设计 |
| 2.4.2 目标分群算法实现 |
| 2.4.3 实验仿真及分析 |
| 2.5 本章小结 |
| 第三章 基于改进模板匹配的态势推理技术研究 |
| 3.1 模板匹配技术 |
| 3.1.1 模板匹配概念介绍 |
| 3.1.2 基于模板匹配的推理过程 |
| 3.2 战场态势模板 |
| 3.2.1 态势模板层级结构 |
| 3.2.2 战场态势模板分析及建立 |
| 3.3 基于改进模板匹配的态势推理算法实现 |
| 3.3.1 最大公共子图问题 |
| 3.3.2 基于改进模板匹配的态势推理算法流程 |
| 3.4 实验仿真及分析 |
| 3.5 本章小结 |
| 第四章 基于组合智能的态势推理技术研究 |
| 4.1 长短时记忆网络技术 |
| 4.1.1 长短时记忆网络概念 |
| 4.1.2 长短时记忆网络原理 |
| 4.2 基于LSTM的智能态势推理算法 |
| 4.2.1 基于LSTM的智能态势推理算法设计 |
| 4.2.2 基于LSTM的智能态势推理算法实现 |
| 4.2.3 实验仿真及分析 |
| 4.3 基于组合智能的态势推理算法 |
| 4.3.1 基于组合智能的态势推理算法设计 |
| 4.3.2 基于组合智能的态势推理算法实现 |
| 4.3.3 实验仿真及分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）跨学科知识互动机理及互动效应研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究内容及意义 |
| 1.2.1 研究内容 |
| 1.2.2 本文的研究意义 |
| 1.3 国内外研究现状及评述 |
| 1.4 本研究的研究方法及技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线图 |
| 1.5 本章小结 |
| 第2章 相关概念及基础理论 |
| 2.1 跨学科概念 |
| 2.2 知识互动概念 |
| 2.3 跨学科管理理论 |
| 2.4 知识网络理论 |
| 2.4.1 知识网络要素 |
| 2.4.2 知识网络结构特征 |
| 2.4.3 网络结构形成理论 |
| 2.5 本章小结 |
| 第3章 跨学科知识互动机理研究 |
| 3.1 跨学科知识互动的内涵 |
| 3.2 跨学科知识互动影响机理 |
| 3.2.1 影响跨学科知识互动的要素 |
| 3.2.2 跨学科知识互动的功效诉求 |
| 3.3 跨学科知识互动关系形成机理 |
| 3.3.1 跨学科知识互动关系 |
| 3.3.2 跨学科知识互动作用 |
| 3.4 跨学科知识互动结构作用机理 |
| 3.4.1 跨学科知识网络关系与结构的形成要素 |
| 3.4.2 跨学科知识网络中节点属性及节点关系 |
| 3.4.3 跨学科知识网络结构关系的解释 |
| 3.4.4 跨学科知识互动的影响指标及衡量 |
| 3.5 本章小结 |
| 第4章 跨学科知识互动效应及实证分析 |
| 4.1 跨学科知识互动意愿效应分析 |
| 4.1.1 跨学科知识互动意愿模型与假设 |
| 4.1.2 数据的获取及信度与效度分析 |
| 4.1.3 信度与效度分析 |
| 4.1.4 模型拟合及检验 |
| 4.1.5 修正模型分析 |
| 4.1.6 结果分析 |
| 4.2 跨学科知识互动关系效应分析 |
| 4.2.1 跨学科知识互动网络模型及相关概念 |
| 4.2.2 数据获取及数据预处理 |
| 4.2.3 跨学科知识互动网络关系效应分析 |
| 4.3 跨学科知识互动结构效应分析 |
| 4.3.1 互动网络结构维度变量及其作用 |
| 4.3.2 跨学科知识互动结构效应 |
| 4.4 跨学科知识扩散效应分析 |
| 4.4.1 知识扩散的概念及相关研究 |
| 4.4.2 扩散动力模型及指标 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 本文工作总结 |
| 5.2 进一步研究方向 |
| 致谢 |
| 参考文献 |
| 附录 调查问卷 |
| 攻读学位期间的研究成果 |
（9）人工智能对马克思劳动理论的影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 第一节 研究的背景和意义 |
| 一 研究的背景 |
| 二 研究的意义 |
| 第二节 国内外研究现状分析 |
| 一 国内研究现状 |
| 二 国外研究现状 |
| 三 国内外研究现状分析 |
| 第三节 研究目的和研究方法 |
| 一 研究目的 |
| 二 研究方法 |
| 第四节 研究的创新之处 |
| 第一章 人工智能现象的哲学分析 |
| 第一节 人工智能存在论:由人工智能现象引发的哲学思考 |
| 一 引起人工智能热潮现象的直接现实原因 |
| 二 引起人工智能热潮现象的历史与逻辑必然性 |
| 三 人工智能现象的进一步追问:人工智能存在论 |
| 第二节 人工智能认识论:概念生成史 |
| 一 人工智能发轫于古代追求劳动解放的美好夙愿 |
| 二 人工智能生长于近代关于身心问题的哲学之辩 |
| 三 人工智能实现于现代“图灵测试”的可操作化标准 |
| 四 后“图灵测试”时代人工智能发展的哲学启示 |
| 第三节 人工智能哲学研究的基本问题 |
| 第四节 人工智能价值论:研究目标分歧及其现实应用 |
| 一 强弱人工智能的划分 |
| 二 人工智能的应用领域 |
| 第五节 人工智能方法论:研究范式及其哲学意蕴 |
| 一 三种研究范式:符号主义、联结主义和行为主义 |
| 二 人工智能范式转换依据的哲学原理及启示 |
| 第二章 马克思劳动理论的革命性与时代性 |
| 第一节 马克思劳动理论的革命性变革 |
| 一 劳动观念演进史 |
| 二 马克思劳动理论变革的问题逻辑与思想历程 |
| 第二节 马克思劳动理论的革命性变革内在契合智能时代之需 |
| 一 劳动被理解为实践与哲学思维方式的变革 |
| 二 马克思劳动理论的三个维度 |
| 三 马克思劳动理论的时代性 |
| 第三章 人工智能对劳动的挑战与马克思劳动理论的回应 |
| 第一节 人工智能对劳动的挑战 |
| 一 弱人工智造成冲击人类现有就业结构的短期挑战 |
| 二 强人工智能造成动摇人类主体地位的中期挑战 |
| 三 超人工智能造成人类生存危机的远期挑战 |
| 四 应对人工智能挑战的劳动逻辑 |
| 第二节 马克思劳动理论视域下回应人工智能挑战的三个维度 |
| 一 劳动本体论:存在论维度 |
| 二 劳动价值论:经济维度 |
| 三 劳动幸福论:伦理维度 |
| 四 正确处理人工智能三个诠释维度之间的辩证关系 |
| 第三节 马克思劳动三要素理论对人工智能挑战的再回应 |
| 一 人工智能是劳动手段而非目的 |
| 二 人工智能仍属劳动对象范畴 |
| 三 人工智能是对机械性劳动资料的超越 |
| 第四章 人工智能为马克思劳动理论注入的新内涵 |
| 第一节 人工智能推动生产力的发展 |
| 一 变革劳动者生活和思维方式 |
| 二 劳动工具获得有限的自主性 |
| 三 拓展劳动对象 |
| 第二节 人工智能推动生产关系的变革 |
| 一 生产资料所有制形式更加合理 |
| 二 生产者地位趋向平等 |
| 三 财富分配方式的转变 |
| 第五章 余论 |
| 第一节 人工智能的历史唯物主义意蕴 |
| 一 人机交互的工作原理体现历史唯物主义意蕴 |
| 二 人工智能发展史体现历史唯物主义意蕴 |
| 三 人工智能的双重属性体现历史唯物主义意蕴 |
| 四 人工智能研究的历史唯物主义原则 |
| 第二节 人工智能技术面临的哲学困境及未来通途 |
| 第三节 后人类中心主义时代的人机关系 |
| 结语 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（10）人工智能创新的伦理问题及规范研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究背景 |
| 第二节 研究意义 |
| 一 理论意义 |
| 二 实践意义 |
| 第三节 国内外研究现状 |
| 一 国外研究现状 |
| 二 国内研究现状 |
| 第四节 研究思路、方法与理论创新 |
| 一 研究思路 |
| 二 研究方法 |
| 三 理论创新 |
| 第二章 人工智能及创新视域概述 |
| 第一节 人工智能概述及其哲学基础 |
| 一 人工智能概述 |
| 二 人工智能的哲学基础 |
| 第二节 人工智能创新视域 |
| 一 人工智能的发展与创新 |
| 二 人工智能创新在各领域的应用 |
| 三 人工智能创新对人类社会产生的影响 |
| 第三章 人工智能创新引发的伦理问题及其成因 |
| 第一节 人工智能创新过程中引发的伦理问题 |
| 一 人权伦理问题 |
| 二 责任伦理问题 |
| 三 代际伦理问题 |
| 四 环境伦理问题 |
| 第二节 人工智能创新过程中引发的伦理问题成因 |
| 一 人类主体能力弱化 |
| 二 工具理性与价值理性的矛盾 |
| 三 人工智能伦理规范不完善 |
| 第四章 人工智能创新的伦理规范路径 |
| 第一节 确立人工智能创新伦理规范的基本原则 |
| 一 人工智能创新背景下的伦理规范 |
| 二 人工智能创新背景下伦理规范的基本原则 |
| 第二节 构建人工智能创新的伦理规范 |
| 一 人工智能创新的国家制度完善及规范 |
| 二 人工智能创新的社会伦理实践及规范 |
| 三 人工智能创新的个人责任培养及规范 |
| 结语 |
| 参考文献 |
| 个人简历和攻读硕士学位期间发表论文情况 |
| 致谢 |
四、模式识别与智能系统研究展望和对策（论文参考文献）
- [1]综合集成研讨厅体系起源、发展现状与趋势[J]. 王丹力,郑楠,刘成林. 自动化学报, 2021(08)
- [2]人工智能对经济增长的影响研究[D]. 黄志. 四川大学, 2021(12)
- [3]考虑驾驶能力及驾驶习性的个性化人机共驾策略研究[D]. 孙博华. 吉林大学, 2020
- [4]人工智能+档案 ——档案智慧服务体系研究[D]. 邹燕琴. 山东大学, 2020(10)
- [5]数据驱动下科技情报智慧服务模式研究[D]. 王益成. 吉林大学, 2020(08)
- [6]高中人工智能课程教学质量影响因素研究[D]. 邓燕艳. 贵州师范大学, 2020(06)
- [7]群目标态势推理关键技术研究[D]. 余源丰. 西安电子科技大学, 2020(05)
- [8]跨学科知识互动机理及互动效应研究[D]. 屈窈. 南昌大学, 2020(01)
- [9]人工智能对马克思劳动理论的影响研究[D]. 薛峰. 上海师范大学, 2020(07)
- [10]人工智能创新的伦理问题及规范研究[D]. 张梦媛. 郑州大学, 2020(02)