发布时间：
人机博弈。要多难都可以。
人工智能是20世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。以下是我整理的人工智能的毕业论文范文的相关资料，欢迎阅读!
摘要：人工智能是20世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。论述了人工智能的定义，分析了目前在管理、教育、工程、技术、等领域的应用，总结了人工智能研究现状，分析了其发展方向。
关键词：人工智能;计算机科学;发展方向
中图分类号：TP18
文献标识码：A
文章编号：1672-8198(2009)13-0248-02
1人工智能的定义
人工智能(Artificial Intelligence，AI)，是一门综合了计算机科学、生理学、哲学的交叉学科。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。自那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”童天湘在《从“人机大战”到人机共生》中这样定义人工智能：“虽然现在的机器不能思维也没有“直觉的方程式”，但可以把人处理问题的方式编入智能程序，是不能思维的机器也有智能，使机器能做那些需要人的智能才能做的事，也就是人工智能。”诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
2人工智能的应用领域
2.1人工智能在管理及教学系统中的应用
人工智能在企业管理中的应用。刘玉然在《谈谈人工智能在企业管理中的应用》一文中提到把人工智能应用于企业管理中，认为要做的工作就是搞清楚人的智能和人工智能的关系，了解人工智能的外延和内涵，搭建人工智能的应用平台，搞好企业智能化软件的开发工作，这样，人工智能就能在企业决策中起到关键的作用。
人工智能在智能教学系统中的应用。焦加麟，徐良贤，戴克昌(2003)在总结国际上相关研究成果的基础上，结合其在开发智能多媒体汉德语言教学系统《二十一世纪汉语》的过程中累积的实践经验，介绍了智能教学系统的历史、结构和主要技术，着重讨论了人工智能技术与方法在其中的应用，并指出了当今这个领域上存在的一些问题。
2.2人工智能专家系统在工程领域的应用
人工智能专家系统在医学中的应用。国外最早将人工智能应用于医疗诊断的是MYCIN专家系统。1982年，美国Pittsburgh大学Miller发表了著名的作为内科医生咨询的Internist 2I内科计算机辅助诊断系统的研究成果，1977年改进为Internist 2Ⅱ，经过改进后成为现在的CAU-CEUS，1991年美国哈佛医学院Barnett等开发的DEX-PLAIN，包含有2200种疾病和8000种症状。我国研制基于人工智能的专家系统始于上世纪70年代末，但是发展很快。早期的有北京中医学院研制成“关幼波肝炎医疗专家系统”，它是模拟著名老中医关幼波大夫对肝病诊治的程序。上世纪80年代初，福建中医学院与福建计算机中心研制的林如高骨伤计算机诊疗系统。其他如厦门大学、重庆大学、河南医科大学、长春大学等高等院校和其他研究机构开发了基于人工智能的医学计算机专家系统，并成功应用于临床。
人工智能在矿业中的应用。与矿业有关的第一个人工智能专家系统是1978年美国斯坦福国际研究所的矿藏勘探和评价专家系统PROSPECTOR，用于勘探评价、区域资源估值和钻井井位选择等。20世纪80年代以来，美国矿山局匹兹堡研究中心与其它单位合作开发了预防煤矿巷道底臌、瓦斯治理和煤尘控制的专家系统;弗尼吉亚理工学院及州立大学研制了模拟连续开采过程中开采、装载、运输、顶板锚固和设备检查专家系统Consim;阿拉斯加大学编写了地下煤矿采矿方法选择专家系统。
2.3人工智能在技术研究中的应用
人工智能在超声无损检测中的应用。在超声无损检测(NDT)与无损评价(NDE)领域中，目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质，形状和大小进行判断和归类;专家在传统超声无损检测与智能超声无损检测之间架起了一座桥梁，它能把一般的探伤人员变成技术熟练。经验丰富的专家。所以在实际应用中这种智能超声无损检测有很大的价值。
人工智能在电子技术方面的应用。沈显庆认为可以把人工智能和仿真技术相结合，以单片机硬件电路为专家系统的知识来源，建立单片机硬件配置专家系统，进行故障诊断，以提高纠错能力。人工智能技术也被引入到了计算机网络领域，计算机网络安全管理的常用技术是防火墙技术，而防火墙的核心部分就是入侵检测技术。随着网络的迅速发展，各种入侵手段也在层出不穷，单凭传统的防范手段已远远不能满足现实的需要，把人工智能技术应用到网络安全管理领域，大大提高了它的安全性。马秀荣等在《简述人工智能技术在网络安全管理中的应用》一文中具体介绍了如何把人工智能技术应用于计算机网络安全管理中，起到了很好的安全防范作用。
3人工智能的发展方向
3.1人工智能的发展现状
国外发展现状。目前，AI技术在美国、欧洲和日本发展很快。在AI技术领域十分活跃的IBM公司。已经为加州劳伦斯・利佛摩尔国家实验室制造了号称具有人脑的千分之一的智力能力的“ASCII White”电脑，而且正在开发的更为强大的新超级电脑――“蓝色牛仔(blue jean)”，据其研究主任保罗・霍恩称，预计“蓝色牛仔”的智力水平将大致与人脑相当。麻省理工学院的AI实验室进行一个的代号为cog的项目。cog计划意图赋予机器人以人类的行为，该实验的一个项目是让机器人捕捉眼睛的移动和面部表情，另一个项目是让机器人抓住从它眼前经过的东西，还有一个项目则是让机器人学会聆听音乐的节奏并将其在鼓上演奏出来。由于人工智能有着广大的发展前景，巨大的发展市场被各国和各公司所看好。除了IBM等公司继续在AI技术上大量投入，以保证其领先地位外，其他公司在人工智能的分支研究方面，也保持着一定的投入比例。微软公司总裁比尔・盖茨在美国华盛顿召开的AI(人工智能)国际会议上进行了主题演讲，称微软研究院目前正致力于AI的基础技术与应用技术的研究，其对象包括自我决定、表达知识与信息、信息检索、机械学习、数据采集、自然语言、语音笔迹识别等。
我国人工智能的研究现状。很长一段时间以来，机械
和自动控制专家们都把研制具有人的行为特征的类人性机器人作为奋斗目标。中国国际科技大学在国家863计划和自然科学基金支持下，一直从事两足步行机器人、类人性机器人的研究开发，在1990年成功研制出我国第一台两足步行机器人的基础上，经过科研10年攻关，于2000年11月，又成功研制成我国第一台类人性机器人。它有人一样的身躯、四肢、头颈、眼睛，并具备了一定的语言功能。它的行走频率从过去的每六秒一步，加快到每秒两步;从只能平静地静态不行，到能快速自如的动态步行;从只能在已知的环境中步行，到可在小偏差、不确定环境中行走，取得了机器人神经网络系统、生理视觉系统、双手协调系统、手指控制系统等多项重大研究成果。
3.2人工智能发展方向
在信息检索中的应用。人工智能在网络信息检索中的应用，主要表现在：①如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术，包括机器感知、机器思维、机器行为，即知识获取、知识处理、知识利用的过程。②由于网络知识信息既包括规律性的知识，如一般原理概念，也包括大量的经验知识，这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素，对其进行推理，需要利用人工智能的研究成果。
基于专家系统的入侵检测方法。入侵检测中的专家系统是网络安全专家对可疑行为的分析后得到的一套推理规则。一个基于规则的专家系统能够在专家的指导下，随着经验的积累而利用自学习能力进行规则的扩充和修正，专家系统对历史记录的依赖性相对于统计方法较小，因此适应性较强，可以较灵活地适应广普的安全策略和检测要求。这是人工智能发展的一个主要方向。
人工智能在机器人中的应用。机器人足球系统是目前进行人工智能体系统研究的热点，其即高科技和娱乐性于一体的特点吸引了国内外大批学者的兴趣。决策系统主要解决机器人足球比赛过程中机器人之间的协作和机器人运动规划问题，在机器人足球系统设计中需要将人工智能中的决策树、神经网络、遗传学的等算法综合运用，随着人工智能理论的进一步发展，将使机器人足球有长足的发展。
4结语
由上述的讨论我们可以看到，目前人工智能的应用领域相当广泛。无论是学术界还是应用领域对人工智能都高度重视。人工智能良好的发展和应用前景，要求我们必须加大研究和投入力度，以使人工智能的发展能为人类服务。
下一页分享更优秀的<<<人工智能的毕业论文范文
人工智能毕业设计（论文）课题简介JHF1 基于VGA采集卡的VGA信号实时采集技术的研究传统VGA信号采集通常采用软件抓屏或VGA转AV方式，但两者都面临着各种自身无法克服的弱点。软件抓屏方式通过在计算机上安装软件方式实现，通过软件进行抓屏和压缩，严重影响采集计算机的性能；在播放视频文件时，无法实时采集到画面，出现视频卡壳或者黑屏的现象。采用VGA转AV方式，VGA信号转换为视频以后，即使不压缩，清晰度也大大降低，文字、网页等内容几乎无法看清，再经过压缩，信号质量可能会更差，很难满足实际教学的需求。传统VGA信号的采集方式严重制约着多媒体教学及远程教育的发展。采用基于VGA采集卡的VGA信号实时采集技术，即直接采集设备的VGA数据，既能保证信号的连续实时，又能保证清晰不失真，从而完美解决了VGA信号的实时采集压缩这一难题。JHF2 基于PC的网络视频服务器的设计视频服务器可以看作是不带镜头的网络摄像机，或是不带硬盘的DVR，它的结构也大体上与数字硬盘录像机相似，是由一个或多个模拟视频输入口、图像数字处理器、压缩芯片和一个具有网络连接功能的服务器所构成。视频服务器将输入的模拟视频信号数字化处理后，以数字信号的模式传送至网络上，从而实现远程实时监控的目的。由于视频服务器将模拟摄像机成功地“转化”为网络摄像机，因此它也是网络监控系统与当前CCTV模拟系统进行整合的最佳途径。网络视频服务器除了可以达到与网络摄像机相同的功能外，在设备的配置上更显灵活，克服了网络摄像机通常受到本身镜头与机身功能较弱等不足。JHF3 教育资源库管理系统的设计教育资源库是教育信息化中的主要组成部分，教育资源库的建设包括软硬件平台、资源和服务等方面的建设。教育资源库软件平台是支撑教育资源管理和使用的基础平台，是整个软件平台的核心。系统平台支持基于B/S结构的各类Web应用，通过“Web Service”技术提供了一整套接口机制实现跨平台、跨服务器的系统耦合，实现统一用户、统一登录、统一产品入口等重要功能。从资源使用和管理的流程出发，平台的功能包括资源目录浏览、资源检索、资源前台服务管理、系统后台管理、计费管理、资源统计、个人知识管理器等主要功能，对八类标准资源子库实施操作。SSD1 ▲应用不确定性推理评估交通流及安全性城市交通拥已经成为社会急需解决的迫切问题，也是当前个学科协同作战的重大课题。拟采用人工智能中的不确定性推理方法评估交通流及安全性问题，并提出合理的建议。SSD2 ▲大学校园安全报警系统研制根据校具体情况，联系公安部处、学生处等有关部门，研制该系统软件，对于解决灾害和突发事件等建立安全预警专家系统有实际意义，且能通过计算机软件和人工智能的工具实现理论与实际相结合。SSD3 基于PC的数字硬盘录像机的设计数字硬盘录像机硬件组成上采用PC机，通用性强；软件采用了嵌入式LINUX操作系统，以及在此基础上开发的应用软件，没有版权问题的困扰。既无需购买昂贵的操作系统，又遗弃了使用盗版软件的尴尬。操作系统为嵌入式LINUX系统，操作系统可以做的相对比较小，既可以加载在硬盘上，也可以固化在优盘、CF卡、电子硬盘上，写入数据后永不丢失，便于系统本身的稳定以及方便升级。系统稳定性好、通用性强、适用性广，对断电、非法操作、病毒等均不受影响。GSY1 基于支持向量机行人检测模板匹配的方法在行人检测问题中也是适用,用于匹配的模板的形状类似棒棒糖。多数清况下,行人会在手放在身体两侧,这意味在多数清况下,行人是有可能被检测,此外行人的运动也具有特征,同样也可被检测出来.有多种特征选择算法可供选择,选择了小波系数作为窗口的局部特征,这里小波系数是对特定滤波器的响应.特征选定以后,可以按照训练支持向量机方法,诸如自举方法进一步改善系统性能。GSY2 基于行人检测的WEB服务探测技术1）感知界面 互联网出现使人为中心的人机交互逐步演变为人网交互,用计算机代替人实现对多媒体数据流自动分析,进而实现网络多媒体数据有效的管理,查询和组织,交互检索,可视化反馈界面,网络交互.面向WWW的多媒体的检索系统.2）多媒体推理 从智能和推理地角度,任何涉及多媒体处理的活动,如多媒体展示,多媒体著作,视觉设计,都可以当作多媒体推理.GSY3 地理信息系统的设计与实现将地理信息系统技术应用决策和管理,论述系统的设计方法,实现方案和技术特点.GSY4 一种自适应逃逸微粒群算法针对收敛速度慢,容易陷入局部最小等缺点,给出一种自适应逃逸微粒群算法,逃逸行为是一种变异操作,逃逸微粒群能有效进行全局和局部搜索,收敛速度快,采用复杂函数优化仿真自适应逃逸微粒群算法结果.GSY5 几何配准与立体观察几何配准是图象空间叠加,镶嵌,加网格的前题,是分析和比较同一类型或不同类型的成像系统在同一时间摄取同一景物的图象的首要条件,否则就不可能正确绘出各类型(平面和立体)的复合图象或时间上变化图形。
软件学报是很难投的，审稿时间长，难度大，是EI核心来源期刊； 可接受8000-10000字左右的长文； 稿量大，处理流程大多缓慢，应早投； 《投稿方式：直接网站在线投稿，中英文均可。初审后通知编号，邮寄审理费。外审通过后再通知其它处理事宜。 审理费：150元 审稿周期：6个月左右；发表周期：录用后的发表周期较长，需要耐心等待，但专刊较快. 版面费标准：180.00元/面，收费比较厚道。该刊组织了很多专刊，投专刊的文章被录用后发表周期相对短，但录用率超低专刊反映信息较快，是一种不错的方式。 《模式识别与人工智能》比前者好中一些，但难度也不小。这个杂志是要求你寄两份打印稿，还有一份你的联系信息，然后大概一个星期左右他给你发email告知你通过初审，要求给审稿费100元，然后就是等待，大概三个多月给结果吧。每期文章大约20几篇，平均来说不是很好中，审稿一般4个月左右，发表周期就长了。
担任下列专家委员会委员：（1）中国计算机学会杰出会员、资深会员（2）中国计算机学会人工智能与模式识别专委会委员（3）中国计算机学会多值逻辑与模糊逻辑专委会常委委员（4）中国人工智能学会知识工程与分布式智能专业委员会委员（5）中国人工智能学会机器学学习专业委员会委员（6）中国人工智能学会粗糙集与软计算专业委员会常委委员（7）江苏省计算机学会人工智能专业委员会常委委员（8）江苏省计算机学会大数据专家委员会委员担任下列国际期刊编委：（1）《IJCI: International Journal of Collaborative Intelligence》主编（2）《JDCTA: Journal of Digital Contents Technology and Application》副主编（3）《JCIT: Journal of Convergence Information Technology》编委（4）《AISS: Advances in Information Sciences and Service Sciences》编委（5）《IJACT: International Journal of Advancements in Computing Technology》编委（6）《JCP: Journal of Computers》编委（7）《JSW: Journal of Software》编委（8）《IPL:CInformation Processing Letters》编委（9）《AMIS: Applied Mathematics & Information Sciences》编委担任下列国际期刊特约编辑：（1）《Applied Mathematics & Information Sciences》特约编辑(Guest Editor)（2）《INFORMATION》的特约编辑(Guest Editor)（3）《Neurocpmputing》特约编辑(Guest Editor)（4）《The Scientific World Journal》的特约编辑(Guest Editor)（5）《Mathematical Problems in Engineering》的特约编辑(Guest Editor)（6）《Journal of Computers (JCP)》特约编辑(Guest Editor)（7）《Journal of Software (JSW)》特约编辑(Guest Editor)（8）《Journal of Networks (JNW)》的特约编辑(Guest Editor)担任下列国际SCI源刊特约审稿专家：（1）《Journal of Information Science》（2）《Applied Soft Computing》（3）《Information Sciences》（4）《Computational Statistics and Data Analysis》（5）《IEEE Transactions on Fuzzy Systems》（6）《International Journal of Pattern Recognition and Artificial Intelligence》（7）《Neurocpmputing》（8）《Soft Computing》（9）《Pattern Recognition》（10）《Pattern Recognition Letters》担任下列国内核心期刊审稿专家：（1）《计算机学报》（2）《软件学报》（3）《计算机研究与发展》（4）《中国科学》（5）《电子学报》（6）《模式识别与人工智能》（7）《计算机科学》（8）《小型微型计算机系统》（9）《计算机应用研究》（10）《计算机工程与科学》（11）《微电子学与计算机》担任下列国内外会议PC Chair or Member：（1）全国智能信息处理学术会议（NCIIP）程序委员会主席（2）江苏省人工智能学术会议程序委员会主席（3）2012\2013\2014年信息、智能与计算国际研讨会主席（4）粒度计算国际会议程序委员会委员（5）智能信息处理国际会议程序委员会委员（6）中国机器学习会议程序委员会委员（7）中国粗糙集与软计算、中国粒计算、中国Web智能联合会议程序委员会委员等。丁世飞.研究方向模式识别与人工智能机器学习与数据挖掘粗糙集与软计算粒度计算感知与认知计算丁世飞.学术成果已完成的项目：1. 2001-2003参加并完成国家自然科学基金项目“信息模式识别理论及其在地学中的应用”的研究（项目编号: 40074001）2. 1999-2001主持完成省教育厅项目“信息模式识别理论及其在害虫预测预报中的应用研究”3. 1998-2000主持完成省教育厅项目“农作物病虫害现代生物数学预报技术研究”4. 2005-2006主持中国博士后科学基金项目“视感知学习理论及其应用研究”（No.2005037439）5. 2004-2006主持山东省作物生物学国家重点实验室开放基金项目“山东省玉米病虫害数字模式分类的研究”（No.20040010）6. 2006-2008参加国家自然科学基金项目“多元数据的信息模式研究与地学数据分析”（No.40574001）7. 2006-2009参加国家863高技术项目“基于感知机理的智能信息处理技术”(No. 2006AA01Z128)8. 2007-2010主持中国科学院智能信息处理重点实验室开放基金项目“基于认知的模式特征分析理论与算法研究”(No.IIP2006-2)9. 2010-2012主持江苏省基础研究计划（自然科学基金）项目“面向高维复杂数据的粒度知识发现研究”(No.BK2009093)10.2011-2012主持北京邮电大学智能通信软件与多媒体北京市重点实验室开放课题 “粒度SVM方法与应用研究”11. 2010-2012参加国家自然科学基金项目“分布式计算环境下的并行数据挖掘算法与理论研究”(No.60975039)12. 2011-2013主持中国科学院智能信息处理重点实验室开放基金项目“高维复杂数据的粒度支持向量机理论与算法研究”(No.IIP2010-1)目前正在进行的项目：1. 2013.1-2017.12主持国家重点基础研究发展计划（973计划）课题“脑机协同的认知计算模型”(No.2013CB329502)2. 2014.1-2017.12主持国家自然科学基金项目“面向大规模复杂数据的多粒度知识发现关键理论与技术研究” (No. 61379101)3. 2011.1-2013.12参加国家自然科学基金项目“多元空间的模式分析方法研究及其在测量中的应用”(No.41074003)已出版著作：1. 丁世飞,靳奉祥,赵相伟著. 现代数据分析与信息模式识别. 北京:科学出版社,20122. 丁世飞编著. 人工智能. 北京: 清华大学出版社, 20103. 史忠植著. 知识工程. 北京: 清华大学出版社, 2011 (丁世飞等参编)4. 史忠植著. 神经网络, 北京: 高等教育出版社, 2009 (丁世飞, 许新征等参编)已发表论文： 2014年[1] Shifei Ding, Hongjie Jia, Liwen Zhang, Fengxiang Jin. Research of semi-supervised spectral clustering algorithm based on pairwise constraints. Neural Computing and Applications, 2014,24(1):211-219. (SCI, EI)[2] Shifei Ding, Hongjie Jia, Jinrong Chen, Fengxiang Jin. Granular Neural Networks.Artificial Intelligence Review, 2014,41(3): 373-384. (SCI, EI)[3] Shifei Ding, Huajuan Huang, Xinzheng Xu, Jian Wang. Polynomial Smooth Twin Support Vector Machines. Applied Mathematics & Information Sciences, 2014, 8(4) (SCI,EI)[4] Shifei Ding, Zhongzhi Shi. Track on Intelligent Computing and Applications. Neurocomputing, 2014, vol.130, 1-2.(SCI, EI)[5] Shifei Ding, Xiaopeng Hua. Recursive least squares projection twin support vector machines. Neurocomputing, 2014, vol.130, 3-9. (SCI, EI)[6]花小朋,丁世飞. 局部保持对支持向量机. 计算机研究与发展, 2014, 51(3)(EI)2013年[1] Xinzheng Xu, Shifei Ding, Weikuan Jia, Gang Ma, Fengxiang Jin. Research of assembling optimized classification algorithm by neural network based on Ordinary Least Squares (OLS). Neural Computing and Applications, 2013,22(1):187-193.(SCI, EI)[2] Shifei Ding, Hui Li, Chunyang Su, Junzhao Yu, Fengxiang Jin. Evolutionary artificial neural networks: a review. Artificial Intelligence Review, 2013, 39(3):251-260. (SCI, EI)[3] Li Hui, Ding Shifei. Research of Individual Neural Network Generation and Ensemble Algorithm Based on Quotient Space Granularity Clustering. Applied Mathematics & Information Sciences, 2013, 7(2):701-708. (SCI, EI)[4] Hui Li, Shifei Ding. Research and Development of Granular Neural Networks. Applied Mathematics & Information Sciences, 2013, 7(3):1251-1261.(SCI, EI)[5] Shifei Ding, Bingjuan Qi, Hongjie Jia, Hong Zhu. Research of Semi-supervised Spectral Clustering Based on Constraints Expansion. Neural Computing and Applications, 2013, 22 (Suppl 1):405-410. (SCI, EI)[6] Shifei Ding, Yanan Zhang, Jinrong Chen, Weikuan Jia. Research on Using Genetic Algorithms to Optimize Elman Neural Networks. Neural Computing and Applications, 2013, 23(2):293-297.(SCI, EI)[7] Hua-juan Huang, Shi-fei Ding, Zhong-zhi Shi. Primal least squares twin support vector regression. Journal of Zhejiang University SCIENCE C, 2013, 14(9):722-732. (SCI, EI)[8] Shifei Ding, Youzhen Han, Junzhao Yu, Yaxiang Gu. A fast fuzzy support vector machine based on information granulation. Neural Computing and Applications, 2013, 23(suppl 1):S139-S144(SCI, EI)[9] 黄华娟,丁世飞. 多项式光滑孪生支持向量回归机. 微电子学与计算机, 2013, 30(10):5-8.[10] 丁世飞,黄华娟. 加权光滑CHKS孪生支持向量机. 软件学报, 2013, 24(11):2548-2557.[11] 贾洪杰,丁世飞.基于邻域粗糙集约减的谱聚类算法.南京大学学报.自然科学版,2013, 49(5):619-627.[12] Hong Zhu,Shifei Ding, Xinzheng Xu, Li Xu. A parallel attribute reduction algorithm based on Affinity Propagation clustering. Journal of Computers, 2013, 8(4):990-997. (EI)[13] Hong Zhu, Shifei Ding, Han Zhao, Lina Bao. Attribute granulation based on attribute discernibility and AP algorithm. Journal of Software, 8(4):834-841.(EI)[14] Yanan Zhang, Shifei Ding, Xinzheng Xu, Han Zhao, Wanqiu Xing. An Algorithm Research for Prediction of Extreme Learning Machines Based on Rough Sets. Journal of Computers, 2013, 8(5): 1335-1342.(EI)[15] Hui Li, Shifei Ding. A Novel Neural Network Classification Model based on Covering and Affinity Propagation Clustering Algorithm. Journal of Computational Information Systems, 2013, 9(7):2565-2573. (EI)[16] Shifei Ding, Junzhao Yu, Huajuan Huang, Han Zhao. Twin Support Vector Machines Based on Particle Swarm Optimization. Journal of Computers, 2013, 8(9): 2296-2303. (EI)[17] Huajuan Huang,Shifei Ding, Fulin Wu. Invasive Weed Optimization Algorithm for Optimizating the Parameters of Mixed Kernel Twin Support Vecotr Machines. Journal of Computers, 2013, 8(8): 2077-2084. (EI)[18] Hongjie Jia, Shifei Ding, Hong Zhu, Fulin Wu, Lina Bao. A Feature Weighted Spectral Clustering Algorithm Based on Knowledge Entropy. Journal of Software, 2013, 8(5): 1101-1108. (EI)[19] Tongfeng Sun, Shifei Ding, Zihui Ren Novel Image Recognition Based on Subspace and SIFT. Journal of Software, 2013, 8(5): 1109-1116.(EI)[20] Shifei Ding, Fulin Wu, Ru Nie, Junzhao Yu, Huajuan Huang. Twin Support Vector Machines Based on Quantum Particle Swarm Optimization. Journal of Software, 2013, 8(7): 1743-1750. (EI)[21] Ding Shifei, Zhang Yanan, Xu Xinzheng, Bao Lina. A novel extreme learning machine based on hybrid kernel function. Journal of Computers,2013, 8(8):2110-2117.(EI)[22] Shifei Ding, Huajuan Huang, Ru Nie. Forecasting Method of Stock Price Based on Polynomial Smooth Twin Support Vector Regression. Lecture Notes in Computer Science, 2013, Volume 7995, 2013, pp 96-105. (EI)2012年[1]Shifei Ding, Hong Zhu,Weikuan Jia,Chunyang Su. A survey on feature extraction for pattern recognition.Artificial Intelligence Review,2012, 37(3):169-180. (SCI, EI)[2] Shifei Ding,Li Xu,Chunyang Su,Fengxiang Jin. An optimizing method of RBF neural network based on genetic algorithm. Neural Computing and Applications, 2012, 21(2):333-336. (SCI, EI)[3] Shifei Ding,Bingjuan Qi. Research Of granular support vector machine. Artificial Intelligence Review, 2012, 38(1):1-7. (SCI, EI)[4] Xin-zheng XU, Shi-fei DING, Zhong-zhi SHI, Hong ZHU. Optimizing radial basis function neural network based on rough sets and affinity propagation clustering algorithm. Journal of Zhejiang University-SCIENCE C (Computers & Electronics), 2012,13(2):131-138. (SCI, EI)[5] Bingjuan Qi,Shifei Ding, Huajuan Huang, Junzhao Yu. A Support Vector Extraction Method based on Clustering Membership.International Journal of Digital Content Technology and its Applications, 2012, 6(13):1-10. (EI)[6] Chang Tong, Shi-fei Ding, Hong Zhu, Hongjie Jia. A Granularity Attribute Reduction Algorithm Based on Binary Discernibility Matrix. International Journal of Advancements in Computing Technology, 2012, 4(12):213-221. (EI)[7] Xiaopeng Hua, Shifei Ding. Matrix Pattern Based Projection Twin Support Vector Machines. International Journal of Digital Content Technology and its Applications, 2012, 6(20):172-181. (EI)[8] Junzhao Yu, Shifei Ding, Huajuan Huang. Twin Support Vector Machines Based on Rough Sets. International Journal of Digital Content Technology and its Applications, 2012, 6(20):493-500. (EI)[9] Huajuan Huang, Shifei Ding. A Novel Granular Support Vector Machine Based on Mixed Kernel Function. International Journal of Digital Content Technology and its Applications, 2012, 6(20):484-492. (EI)[10] Shifei Ding(Guest editorial). Special Issue: Advances in Information and Computers, Journal of Computers, 2012, 7(10):2351-2353.(EI)[11] Shifei Ding(Guest editorial). Special Issue: Advances in Information and Networks. Journal of Networks, 2012, 7(7):1007-1008.(EI)(被EI收录, 收录号:20123415368412)[12] Shifei Ding(Guest editorial). Special Issue: Advances in Information and Networks. Journal of Software, 7(9):1923-1924. (EI)[13] Shifei Ding, Zhentao Yu (Guest editorial). Special Issue: Advances in Computers and Electronics Engineering. Journal of Computers, 2012, 7(12):2851-2852. (EI)[14]丁世飞, 朱红, 许新征, 史忠植. 基于熵的模糊信息测度研究. 计算机学报, 2012.35(4):796-801(EI).[15] 朱红,丁世飞, 许新征. 基于改进属性约简的细粒度并行AP聚类算法. 计算机研究与发展, 2012, 49(12):2638-2644 (EI)[16] 许新征,丁世飞,史忠植,赵作鹏,朱红.一种基于QPSO的脉冲耦合神经网络参数的自适应确定方法. 模式识别与人工智能, 2012,25(6): 909-915(EI)[17] 马刚,丁世飞, 史忠植. 基于极速学习的粗糙RBF神经网络. 微电子学与计算机, 2012, 29(8):9-14.2011年[1]Shifei Ding, Weikuan Jia, Chunyang Su, et al. Research of Neural Network Algorithm Based on Factor Analysis and Cluster Analysis. Neural Computing and Applications, 2011, 20(2): 297-302 (SCI,EI).[2]Shifei Ding, Chunyang Su, Junzhao Yu. An Optimizing BP Neural Network Algorithm Based on Genetic Algorithm. Artificial Intelligence Review, 2011, 36Algorithm. Artificial Intelligence Review, 2011, 36(2): 153-162 (SCI, EI).[3]Shifei Ding, Weikuan Jia, Chunyang Su, et al. Research of Neural Network Algorithm Based on Factor Analysis and Cluster Analysis. Neural Computing and Applications, 2011, 20(2): 297-302 (SCI, EI).[4]Shifei Ding, Chunyang Su, Junzhao Yu. An Optimizing BP Neural Network Algorithm Based on Genetic Algorithm. Artificial Intelligence Review, 2011, 36(2): 153-162 (SCI, EI).[5]Ding Shifei, Qian Jun, Xu Li, Zhao Xiangwei, Jin Fengxiang. A Clustering Algorithm Based on Information Visualization. International Journal of Digital Content Technology and its Applications, 2011, 5(1): 26-31 (EI).[6]Shifei Ding, Yu Zhang, Li Xu, Jun Qian. A Feature Selection Algorithm Based on Tolerant Granule. Journal of Convergence Information Technology, 2011, 6(1): 191-195 (EI).[7]Ding Shifei, Li Jianying, Xu Li, Qian Jun. Research Progress of Granular Computing (GrC). International Journal of Digital Content Technology and its Applications, 2011, 5(1): 162-172 (EI).[8]Ding Shifei, Qian Jun, Xu Li, Zhao Xiangwei, Jin Fengxiang. A Clustering Algorithm Based on Information Visualization.International Journal of Digital Content Technology and its Applications, 2011, 5(1): 26-31 (EI).[9]Shifei Ding, Yu Zhang, Li Xu, Jun Qian. A Feature Selection Algorithm Based on Tolerant Granule. Journal of Convergence Information Technology, 2011, 6(1): 191-195 (EI).[10]Ding Shifei, Li Jianying, Xu Li, Qian Jun. Research Progress of Granular Computing (GrC). International Journal of Digital Content Technology and its Applications, 2011, 5(1): 162-172 (EI).[11]Shifei DING, Jinrong CHEN, Xinzheng XU, Jianying LI. Rough Neural Networks: A review. Journal of Computational Information Systems, 2011, 7(7): 2338-2346(EI).[12]Shifei Ding, Xinzheng Xu, Hong Zhu. Studies on Optimization Algorithms for Some Artificial Neural Networks Based on Genetic Algorithm (GA). Journal of Computers, 2011, 6 (5):939-946 (EI).[13]Shifei DING, Yaxiang GU. A Fuzzy Support Vector Machine Algorithm with Dual Membership Based on Hypersphere. Journal of Computational Information Systems, 2011, 7(6): 2028-2034 (EI).[14]丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述. 电子科技大学学报,2011, 40(1): 2-10 (EI).[15] 贾伟宽, 丁世飞, 许新征, 苏春阳, 史忠植. 基于Shannon熵的因子特征提取算法研究. 模式识别与人工智能, 2011, 24(3): 327-331 (EI).2010年以前[1] Shifei Ding, Weikuian Jia, Xinzheng Xu, et al. Neural Networks Algorithm Based on Factor Analysis. Lecture Notes in Computer Science, Vol.6063/2010, pp.319-324 (EI).[2] Shifei Ding, Weikuan Jia, Chunyang Su, et al. An improved BP Neural Netwok Algorithm Based on Factor Analysis. Journal of Convergence Information Technology, 2010, 5(4): 103-108 (EI).[3] Shifei Ding, Li Xu, Hong Zhu, Liwen Zhang. Research and Progress of Cluster Algorithms based on Granular Computing. International Journal of Digital Content Technology and its Applications, 2010, 4(5): 96-104 (EI).[4] Shifei Ding, Li Xu, Chunyang Su, Hong Zhu. Using Genetic Algorithms to Optimize Artificial Neural Networks, Journal of Convergence Information Technology, 2010, 5(8): 54-62 (EI).[5] Shifei Ding, Yongping Zhang, Xiaofeng Lei et al. Research on a principal components decision algorithm based on information entropy. Journal of Information Science, 2009, 35(1):120-127 (SCI, EI).[6]Shifei Ding, Chunyang Su, Weikuan Jia, Fengxiang Jin, Zhongzhi Shi. Several Progress of Semi-Supervised Learning. Journal of Information & Computational Science, 2009, 6(1): 211-217 (EI).[7] Shi-Fei Ding, Shi-Xiong Xia, Feng-Xiang Jin, Zhong-Zhi Shi. Novel Fuzzy Information Proximity Measures. Journal of Information Science, 2007, 33 (6):678-685 (SCI, EI).[8] Ding Shifei, Shi Zhongzhi. Supervised Feature Extraction Algorithm Based on Improved Polynomial Entropy. Journal of Information Science, 32(4): 309-315,2006.8 (SCI, EI)[9] Ding Shifei, Shi Zhongzhi. Studies on Incidence Pattern Recognition Based on Information Entropy. Journal of Information Science, 31(6):497-502,2005.12 (SCI, EI).[10] Ding Shifei, Jin Fengxiang. Information characteristics of discrete K-L transform based on information entropy. Transactions Nonferrous Metals Society of China, 2003.6(SCI ,EI).[11] Shifei Ding, Zhongzhi Shi, Xiaoying Wang. Symmetric Cross Entropy and Information Feature Compression Algorithm. Journal of Computational Information Systems, 1(2): 247-252 , 2005.6 (EI).[12] Ding Shifei, Shi Zhongzhi. Studies on Information Clustering Algorithm Based on MID. Chinese Journal of Electronics, Vol.15 No.4A, pp.918-920, 2006 (SCI, EI).[13] Ding Shifei, Shi Zhongzhi. Divergence-based Supervised Information Feature Compression Algorithm.Lecture Notes in Computer Science, Vol. 3971/2006, pp. 1421-1426(SCI, EI).[14] Shifei Ding, Zhongzhi Shi. A Novel Supervised Information Feature Compression Algorithm. Lecture Notes in Computer Science, Vol. 3991/2006, pp. 777-780 (SCI, EI).[15] Shifei Ding, Zhongzhi Shi, Yuncheng Wang,and Fengxiang Jin. Optimization Feature Compression and FNN Realization. Lecture Notes in Control and Information Science, Vol. 344/2006, pp. 951-956(SCI, EI).[16] Shifei Ding, Zhongzhi Shi, and Fengxiang Jin. Supervised Feature Extraction Algorithm Based on Continuous Divergence Criterion. Lecture Notes in Artificial Inteligence, Vol. 4114/2006, pp.268-277 (SCI, EI).[17] 丁世飞, 贾伟宽, 许新征, 苏春阳. 基于PLS的Elman神经网络算法研究. 电子学报, 2010, 38(2A): 71-75 (EI).[18] 许新征, 丁世飞, 史忠植, 贾伟宽. 图像分割的新理论何新方法. 电子学报, 2010, 38(2A): 76-82(EI).[19] 丁世飞,靳奉祥. Fuzzy-Grey信息集成模式识别算法的研究. 计算机辅助设计与图形学学报, 2004, 16(3):275-278 (EI).[20] 丁世飞,靳奉祥,史忠植. 基于PLS的信息特征压缩算法. 计算机辅助设计与图形学学报, 2005, 17(2):368-371 (EI).[21] 丁世飞,史忠植. 基于广义距离的直接聚类算法研究.计算机研究与发展，2007, 44(4): 674-679(EI).[22] 丁世飞,黄华娟. 加权光滑CHKS孪生支持向量机. 软件学报, 2013, 24(11):2548-2557(EI).丁世飞,获奖情况1. 2007年获全国优秀博士学位论文提名奖2. 2006年获山东省优秀博士学位论文奖3. 2007年获山东高等学校优秀科研成果二等奖，第1位4. 2006年获中国科学院计算技术研究所优秀博士后出站报告4. 2004年获山东高等学校优秀科研成果二等奖，第1位5. 2001年获山东省省级教学成果三等奖，第4位
财务管理专家系统是财务管理知识、经验和技 能的程序系统，用来求解财务领域内的各种问题。 具体地说，财务管理专家系统主要用来代替财务 管理专家作复杂财务管理过程描述、诊断、分析、 验证，作为结合技术、理念和财务管理环境而作出 最终决策的依据。财务管理专家系统的思路是把复杂财务问题 分解成一些比较容易的子问题，再通过搜索和问 题归结实现求解。 智能财务管理的专家系统是智能化的专家系 统，智能财务管理的专家系统按财务管理内容可 分为筹资管理专家系统(含资金管理)、投资管理专 家系统、营运管理专家系统(含风险管理、危机管 理)和分配管理专家系统。上述每个系统又可嵌入 财务规划与预测子系统、财务决策子系统、财务预 算子系统、财务控制子系统和财务分析子系统。 通过系统的整合，使财务管理专家系统的功能 发挥得淋漓尽致，财务预测更准确，财务决策更科 学，财务预算将更贴近实际，财务控制更到位，财 务分析更透彻，财务管理更全面，即时全面管理轻松在握。 在上述智能化的财务规划与预测系统、财务决 策系统、财务预算系统、财务控制系统和财务分析 系统中，财务决策系统处于中心地位，其他系统对财务决策系统起到支持作用，我们把它们集成起 来统称智能财务决策支持系统。 医疗分类信息 运用智能财务决策支持系统，可以开展内部 控制评估、资产配置评估，通过分析投资时间、贸易活动、套期保值策略可优化投资方案，等等。智能机器人超越人类的划时代发明为 AI 技术 的发展描绘了宏远的蓝图，AI 技术在财务管理中 的应用已日渐成熟。相信在不久的将来，智能机器 人财务管理将大行其道，依靠智能财务管理专家 系统，必将大大提高财务管理的效率、效果和效 益，即时化、人性化和智能化必将成为未来财务管理专家系统的主要特征。到那时，智能财务管理专 家—容貌逼真的人型直立智能机器人将任劳任 怨地帮助人们打理纷繁复杂的财务管理事务，而 财务管理人员则从风云变幻的商业环境中脱身出 来。从财务主体发展战略的高度，遵循以人为本的 理念，开展财务科学管理，促使财务主体可持续发 展，实现利益相关者价值组合最大化。
会查重，为了规范人工智能学院本科生毕业论文的管理，杜绝学术不端的行为，现对“查重”工作规定如下：第一条 拟申请本科毕业论文答辩的学生，经指导教师同意，在答辩前一个月须向学院提交论文的电子版（具体时间以当年学院规定为准），进行论文的文字复制比比对，逾期未交者不能参加答辩。同时，指导教师需对学生提交的论文版本进行备案。第二条 经比对，论文总文字复制比超过30%（含30%）的，须重新完成论文，下一年重修；论文总文字复制比超过20%（含20%）但未超过30%的，须修改，经指导教师同意后重新提交论文，进行第二次文字复制比比对。第三条 经第二次对比，论文总文字复制比超过 15%（含 15%）的，须重新完成论文，下一年重修；总文字复制比低于 15%（不含15%）的论文允许进入申请答辩程序。指导教师需对进入申请答辩程序的论文版本进行备案。第四条 进入申请答辩程序的论文，以及最后提交给学院的论文，需要与通过文字复制比比对的论文内容基本保持一致。如果有较大修改，需要在指导教师的指导下进行，并需要提交论文的电子版进行再一次的文字复制比比对，总文字复制比低于 20%（不含 20%）的论文允许提交给学院，指导教师需要保存最后提交给学院的论文版本。第五条 如果学生提交的论文不满足第四条条件，本科毕业论文工作领导小组有权取消其答辩资格及成绩。第六条 如果学生对文字复制比的比对结果有异议，经指导教师同意，可以向学院提出申诉，学院将提交给院学术委员会进行评议，其评议结果将为最终结果。
现如今，随着社会经济发展，机器人开始被广泛应用于各行各业中，替工人进行一些复杂、繁重的体力劳动，能减轻人们的工作负担。下面是由我整理的工业机器人技术论文 范文 ，希望能对大家有所帮助！工业机器人技术论文范文篇一：《浅谈工业机器人在工业生产中的应用》 工业机器人是面向工业领域的多关节机械手或多自由度的机器人。工业机器人是自动执行工作的机器装置，是靠自身动力和控制能力来实现各种功能的一种机器。它可以接受人类指挥，也可以按照预先编排的程序运行，现代的工业机器人还可以根据人工智能技术制定的原则纲领行动。就工业机器人在工业生产中的应用进行探讨。 关键词：工业机器人 应用 工业 1 引言 工业机器人最早应用于汽车制造工业，常用于焊接，喷漆，上、下料和搬运。工业机器人延伸和扩大了人的手、足和大脑功能，它可代替人从事危险、有害、有毒、低温和高热等恶劣环境中的工作;代替人完成繁重、单调的重复劳动，提高劳动生产率，保证产品质量。工业机器人与数控加工中心、自动搬运小车以及自动检测系统可组成柔性制造系统和计算机集成制造系统，实现生产自动化。 2 工业机器人的主要运用 (1)恶劣工作环境及危险工作军事领域及核工业领域有些作业是有害于人体健康并危及生命，或不安全因素很大而不宜由人去做的作业，用工业机器人去做最合适。例如核工厂设备的检验和维修机器人，核工业上沸腾水式反应堆燃料自动交换机。 (2)特殊作业场合和极限作业火山探险、深海探密和空间探索等领域对于人类来说是力所不能及的，只有机器人才能进行作业。如航天飞机上用来回收卫星的操作臂;用于海底采矿和打捞的遥控海洋作业机器人。 (3)自动化生产领域早期的工业机器人在生产上主要用于机床上、下料，点焊和喷漆。用得最多的制造工业包括电机制造、汽车制造、塑料成形、通用机械制造和金属加工等工业。随着柔性自动化的出现，机器人在自动化生产领域扮演了更重要的角色。下面主要针对工业机器人在自动化生产领域的应用进行简单介绍。 2.1 焊接机器人 点焊机器人工业机器人首先应用于汽车的点焊作业，点焊机器人广泛应用于焊接车体薄板件。装焊一台汽车车体一般大约需要完成3000～4000个焊点，其中60%是由点焊机器人来完成的。在有些大批量汽车生产线上，服役的点焊机器人数量甚至高达150多台。 点焊机器人主要性能要求：安装面积小，工件空间大;快速完成小节距的多点定位;定位精度高(土0 .25 mm )，以确保焊接质量;持重大(490～980N ) ，以便携带内装变压器的焊钳;示教简单，节省工时。 2.2 弧焊机器人 弧焊机器人应用于焊接金属连续结合的焊缝工艺，绝大多数可以完成自动送丝、熔化电极和气体保护下进行焊接工作。弧焊机器人应用范围很广，除汽车行业外，在通用机械、金属结构等许多行业中都有应用。弧焊机器人应是包括各种焊接附属装置在内的焊接系统，而不只是一台以规划的速度和姿态携带焊枪移动的单机。如图1所示为弧焊机器人的基本组成。适合机器人应用的弧焊 方法 主要有惰性握体保护焊、混合所体保护焊、埋弧焊和等离子弧焊接。 1-机器人控制柜2-焊接电源3-气瓶4-气体流量计5-气路6-焊丝轮7-柔性导管8-弧焊机器人9-送丝机器人10-焊枪11-工件电缆12-焊接电缆13-控制电缆 图1 弧焊机器人系统的基本组成 弧焊机器人的主要性能要求：在弧焊作业中，要求焊枪跟踪工件的焊道运动，并不断填充金属形成焊道。因此，运动过程中速度的稳定性和轨迹是两项重要指标，一般情况下，焊接速度约取5～50 mm/s ，轨迹精度约为.2 ～0.5 ) mm;由于焊枪的姿态对焊缝质量也有一定影响，因此希望在跟踪焊道的同时，焊枪姿态的可调范围尽量大。此外，还有一些其他性能要求，这些要求包括：设定焊接条件(电流、电压、速度等)、抖动功能、坡口填充功能、焊接异常检测功能(断弧、工件熔化)及焊接传感器(起始焊点检测，焊道跟踪)的接口功能。 2.3 喷漆机器人 喷漆机器人广泛应用于汽车车体、家电产品和各种塑料制品的喷漆作业。喷漆机器人在使用环境和动作要求上有如下特点： (1)工作环境空气中含有易爆的喷漆剂蒸气; (2)沿轨迹高速运动，途经各点均为作业点; (3)多数被喷漆部件都搭载在传送带上，边移动边喷漆。如图2所示为关节式喷漆机器人。 2.4 搬运机器人 随着计算机集成制造技术、物流技术、自动仓储技术的发展，搬运机器人在现代制造业中的应用也越来越广泛。机器人可用于零件的加工过程中，物料、工辅量具的装卸和储运，可用来将零件从一个输送装置送到另一个输送装置，或从一台机床上将加工完的零件取下再安装到另一台机床上去。 2.5 装配机器人 装配在现代工业生产中占有十分重要的地位。有关资料统计表明，装配劳动量占产品生产劳动量的50%～60%，在有些场合，这一比例甚至更高。例如，在电子器件厂的芯片装配、电路板的生产中，装配劳动量占产品生产劳动量的70 %～80%。因此，用机器人来实现自动化装配作业是十分重要的。 2.6 机器人柔性装配系统 机器人正式进入装配作业领域是在“机器人普及元年”的1980年前后，引人装配作业的机器人在早期主要用来代替装配线上手工作业的工序，随后很快出现了以机器人为主体的装配线。装配机器人的应用极大地推动了装配生产自动化的进展。装配机器人建立的柔性自动装配系统能自动装配中小型、中等复杂程度的产品，如电机、水泵齿轮箱等，特别适应于中小批量生产的装配，可实现自动装卸、传送、检测、装配、监控、判断、决策等机能。 机器人柔性装配系统通常以机器人为中心，并有诸多周边设备，如零件供给装置、工件输送装置、夹具、涂抹器等与之配合，此外还常备有可换手等。但是如果零件的种类过多，整个系统将过于庞大，效率降低，这是不可取的。在机器人柔性装配系统中，机器人的数量可根据产量选定，而零件供给装置等周边设备则视零件和作业的种类而定。因此，和装配线比较，产量越少，机器人柔性装配系统的投资越大。 3 结束语 工业机器人是以机械、电子、电子计算机和自动控制等学科领域的技术为基础，融合而成的一种系统技术;也可说是一门知识、技术密集的，多学科交叉的综合化的高新技术。随着这些相关学科技术的进步和发展，工业机器人技术也一定会到迅速发展和提高。 工业机器人技术论文范文篇二：《探讨工业机器人的发展趋势》 摘 要 随着社会经济发展，机器人开始被广泛应用于各行各业中，替工人进行一些复杂、繁重的体力劳动。目前，机器人是一种制造业与自动化设备中的典型代表，这将会是人造机器的“终极”版。它的应用已经涉及信息化、自动化、智能化、传感器与知识化等多个学科和领域，这是目前，是我国乃至世界高新技术成果的最佳集成，因此，它的发展是与许多学科的发展有着密切的联系。以现在的发展趋势来看，工业机器人的应用范围越来越广泛，同时在技术操作中，他也变得越来越标准化、规范化，提高工业机器人的安全性。另一方面，工业机器人发展越来越微型化、智能化，在人类生活中应用越来越广泛。 关键词 工业机器人 智能化 应用领域 安全性 随着社会复杂的需求，工业机器人在应用领域中越来越广泛。一方面，工业机器人被广泛应用于工业生产中，代替工人危险、复杂、单调的长时间的作业，例如在机械加工、压力铸造、塑料制品成形及金属制品业等各种工序上，同时还应用于原子能工业等高危险的部门，这已经在发达国家中应用比较广泛。另一方面，工业机器人在其他的领域应用也比较多，随着科学技术的飞速发展，提高了工业机器人的使用性能和安全性能，其应用的范围越来越广泛，应用的范围已经突破了工业，尤其在医疗业中应用比较好。 一、工业机器人的发展历程 第一代机器人，一般指工业上大量使用的可编程机器人及遥控操作机。可编程机器人可根据操作人员所编程序完成一些简单重复性作业。遥控操作机制每一步动作都要靠操作人员发出。1982年，美国通用汽车公司在装配线上为机器人装备了视觉系统，从而宣告了第二代机器人―感知机器人的问世。这代机器人，带有外部传感器，可进行离线编程。能在传感系统支持下，具有不同程度感知环境并自行修正程序的功能。第三代机器人为自治机器人，正在各国研制和发展。它不但具有感知功能，还具有一定决策和规划能力。能根据人的命令或按照所处环境自行做出决策规划动作即按任务编程。 我国机器人研究工作起步较晚，从“七五”开始国家投入资金，对工业机器及其零部件进行攻关，完成了示教再现式工业机器人成套技术的开发和研制。1986 年国家高技术研究发展计划开始实施，智能机器人主题跟踪世界机器人技术的前沿，经过几年的研究，取得了一大批科研成果，成功地研制出了一批特种机器人。 我国工业机器人起步于70年代初期，经过30多年的发展，大致经历了3个阶段：70年代的萌芽期，80年代的开发期和90年代的适用化期。 上世纪70年代是世界科技发展的一个里程碑：人类登上了月球，实现了金星、火星的软着陆。我国也发射了人造卫星。世界上工业机器人应用掀起一个高潮，尤其在日本发展更为迅猛，它补充了日益短缺的劳动力。在这种背景下，我国于1972年开始研制自己的工业机器人。 进入80年代后，在高技术浪潮的冲击下，随着改革开放的不断深入，我国机器人技术的开发与研究得到了政府的重视与支持。“七五”期间，国家投入资金，对工业机器人及其零部件进行攻关，完成了示教再现式工业机器人成套技术的开发，研制出了喷涂、点焊、弧焊和搬运机器人。1986年国家高技术研究发展计划(863计划)开始实施，智能机器人主题跟踪世界机器人技术的前沿，经过几年的研究，取得了一大批科研成果，成功地研制出了一批特种机器人。 从90年代初期起，中国的国民经济进入实现两个根本转变时期，掀起了新一轮的经济体制改革和技术进步热潮，我国的工业机器人又在实践中迈进一大步，先后研制出了点焊、弧焊、装配、喷漆、切割、搬运、包装码垛等各种用途的工业机器人，并实施了一批机器人应用工程，形成了一批机器人产业化基地，为我国机器人产业的腾飞奠定了基础。 我国工业机器人经过“七五”攻关计划、“九五”攻关计划和863计划的支持已经取得了较大进展，工业机器人市场也已经成熟，应用上已经遍及各行各业。 我国未来工业机器人技术发展的重点有：第一，危险、恶劣环境作业机器人：主要有防暴、高压带电清扫、星球检测、油汽管道等机器人;第二，医用机器人：主要有脑外科手术辅助机器人，遥控操作辅助正骨等;第三，仿生机器人：主要有移动机器人，网络遥控操作机器人等。其发展趋势是智能化、低成本、高可靠性和易于集成。 二、工业机器人的发展趋势 机器人是先进制造技术和自动化装备的典型代表，是人造机器的“终极”形式。它涉及到机械、电子、自动控制、计算机、人工智能、传感器、通讯与网络等多个学科和领域，是多种高新技术发展成果的综合集成，因此它的发展与众多学科发展密切相关。当今工业机器人的发展趋势主要有：一是工业机器人性能不断提高(高速度、高精度、高可靠性、便于操作和维修)，而单机价格不断下降。二是机械结构向模块化可重构化发展。例如关节模块中的伺服电机、减速机、检测系统三位一体化;有关节模块、连杆模块用重组方式构造机器人。三是工业机器人控制系统向基于 PC机的开放型控制器方向发展，便于标准化，网络化;器件集成度提高，控制柜日渐小巧，采用模块化结构，大大提高了系统的可靠性、易操作性和可维修性。四是机器人中的传感器作用日益重要，除采用传统的位置、速度、加速度等传感器外，视觉、力觉、声觉、触觉等多传感器的融合技术在产品化系统中已有成熟应用。五是机器人化机械开始兴起。从94年美国开发出“虚拟轴机床”以来这种新型装置已成为国际研究的 热点 之一，纷纷探索开拓其实际应用的领域。 总体趋势是，从狭义的机器人概念向广义的机器人技术概念转移，从工业机器人产业向解决方案业务的机器人技术产业发展。机器人技术的内涵已变为 灵活应用机器人技术的、具有实际动作功能的智能化系统。机器人结构越来越灵巧，控制系统愈来愈小，其智能也越来越高，并正朝着一体化方向发展。 三、我国工业机器人发展面临的挑战与前景 我国工业底子薄，工业机器人发展一直处于一个初步发展阶段，虽然我国从上个世纪70年代开始研发工业机器人，但是技术力量不足与西方国家的技术封锁，对此，在发展过程中，存在着比较多的问题。细分起来，有如下几点： 首先，我国基础零部件制造能力差。虽然我国在相关零部件方面有了一定的基础，但是无论从质量、产品系列全面，还是批量化供给方面都与国外存在较大的差距。特别是在高性能交流伺服电机和精密减速器方面的差距尤其明显，因此造成关键零部件的进口，影响了我国机器人的价格竞争力。 第二，我国的机器人还没有形成自己的品牌。虽然已经拥有一批企业从事机器人的开发，但是都没有形成较大的规模，缺乏市场的品牌认知度，在机器人市场方面一直面临国外机器人品牌的打压。国外机器人作为成熟的产业采用整机降价，吸引国内企业购买，而在后续的维护备件费用很高的策略，逐步占领中国市场。 第三，认识不到位，在鼓励工业机器人产品方面的政策少。工业机器人的制造及应用水平，代表了一个国家的制造业水平，我们必须从国家高度认识发展中国工业机器人产业的重要性，这是我国从制造大国向制造强国转变的重要手段和途径。□ 参考文献： [1]任俊.面向熔射快速制模的机器人辅助曲面自动抛光系统的研究.华中科技大学，2006年. [2]钟新华，蔡自兴，邹小兵.移动机器人运动控制系统设计及控制算法研究.华中科技大学学报(自然科学版)，2004年S1期. [3]张中英.基于遗传算法的机器人神经网络控制系统.太原理工大学，2005年. [4]李磊，叶涛，谭民，陈细军.移动机器人技术研究现状与未来.机器人，2002年05期. [5]杜玉红，李修仁.生产线组装单元气动搬运机械手的设计.液压与气动，2006年05期. [6]徐晓峰.基于串行通信技术的机器人实时控制研究.南京林业大学，2005年. 工业机器人技术论文范文篇三：《试论工业机器人机电一体化》 1机电一体化技术的应用现状 1.1工业机器人。 工业机器人的出现在一定程度上可替代人的劳动，对于高辐射、高噪声污染、高浓度有害气体的工作场合来说，工业机器人是一个理想的选择。工业机器人的发展经历了三个阶段，第一代工业机器人智能化程度较低，只能通过预设的程序进行简单的重复动作，无法应对多变的工作环境和工作岗位。随着科技的发展，在第一代机器人的基础上通过各种传感器的应用使其可通过对环境信息的获取、分析、处理并反馈给动作单元，从而进行一些适应性的工作，这种机器人虽然智能化程度较低，但已经在一些特定的领域得以成功应用。在机电一体化技术相对成熟的今天，第三代机器人的智能化水平已经得到了较大的提升，其可以通过强大的传感原件收集信息数据，并根据实际情况作出类似于人脑的判断，因此可以在多种环境下进行独立作业，但成本较高，在一定程度上限制了实际应用。 1.2分布式控制系统。 分布式控制系统是相对于集中式控制系统而言的，是通过一台中央计算机对负责现场测控的多台计算机进行控制和指挥，由于其强大的功能和安全性，使其成为当前大型机电一体化系统的主流技术。根据实际情况分布式控制系统的层级可分为两级、三级或更多级，通过中央计算机完成对现场生产过程的实时监控、管理和操作控制等，同时，随着测控技术的不断发展与创新，分布式控制系统还可以对生产过程实现实时调度、在线最优化、生产计划统计管理等功能，成为一种集测、控、管于一体的综合系统，具有功能丰富、可靠性高、操作方便、低故障率、便于维护和可扩展等优点，因此使系统的可靠性大幅提高。 2机电一体化技术的发展趋势 2.1人工智能化。 人工智能就是使工业机器人或数控机床模拟人脑的智力，使其在生产过程中具备一定的推理判断、 逻辑思维 和自主决策的能力，可大幅提升工业生产过程的自动化程度，甚至实现真正的无人值守，对于降低人力成本，提高加工精度和工作效率具有十分重要的意义。目前，人工智能已经不只是停留在概念上，因此可预见机电一体化技术将向着人工智能化的方向发展。虽然以当前的科学技术水平不可能使机器人或数控机床完全具备人类的思维模式和智力特点，但在工业生产中，使这些机电一体化设备具备部分人类的职能是完全可以通过先进的技术达到的。 2.2网络化。 网络技术 的发展给机电一体化设备远程监视和远程控制提供了便利条件，因此，将网络技术与机电一体化技术结合起来将是机电一体化技术发展的重点。在生产过程中，操作人员需要在车间内来回走动，对设备的状态进行掌握，并对机床的操作面板进行操作，通过在机电一体化设备与控制终端之间建立通信协议，并通过光纤等介质实现信息数据的传递，即可实现远程监视和操作，降低工人的劳动量，并且各种控制系统功能的实现，理论上来说都是建立在网络技术基础上的。 2.3环保化。 在人类社会发展的最近几十年里，虽然经济得到了迅猛的发展，人们生活水平得到了显著的提高，然而以牺牲资源和环境为代价的发展模式使得人类赖以生存的环境遭到严重的污染，因此，在可持续发展战略提出的今天，发展任何技术都应当以对环境友好作为前提，否则就是没有前途的，故环保化是机电一体化技术发展的必然趋势。在机电一体化应用过程中，通过对资源的高效利用，并在制造过程中做到达标排放甚至零排放，产品在使用过程中对生态环境不造成影响，即便报废后也可对其进行有效回收利用，这就是机电一体化技术环保化的具体表现形式，符合可持续发展的要求。 2.4模块化。 由于机电一体化装置的制造商较多，为降低系统升级改造的成本，并为维修提供便利，模块化将是一个非常有前途的研究方向。通过对功能单元进行模块化改造，可在需要增加或改变功能时直接将对应的功能模块进行组装或更换，即便出现故障，只需将损害的模块进行更换即可，工作效率极高，通用性的增强为企业节约了大量的成本。 2.5自带能源化。 机电一体化对电力的要求较高，如果没有充足的电能供应就会影响生产效率，甚至由于停电造成数据的丢失等，因此通过设备自带动力能源系统可始终保持充足的电力供应，使系统运行更流畅。 3结语 综上所述，机电一体化技术的应用可使产品的生产效率和精度大幅提高，在当前工业生产中具有较大的技术优势，相信随着科技的发展，机电一体化技术水平也会不断提高，为工业生产做出更大贡献。 猜你喜欢： 1. 初三机器人科学论文2000字 2. 工业智能技术论文 3. 传感器技术论文范文 4. 机器人科技论文3000字 5. 初三智能机器人科技论文2000字 6. 人工智能机器人的相关论文
人工智能是20世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。以下是我整理的人工智能的毕业论文范文的相关资料，欢迎阅读!
摘要：人工智能是20世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。论述了人工智能的定义，分析了目前在管理、教育、工程、技术、等领域的应用，总结了人工智能研究现状，分析了其发展方向。
关键词：人工智能;计算机科学;发展方向
中图分类号：TP18
文献标识码：A
文章编号：1672-8198(2009)13-0248-02
1人工智能的定义
人工智能(Artificial Intelligence，AI)，是一门综合了计算机科学、生理学、哲学的交叉学科。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。自那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”童天湘在《从“人机大战”到人机共生》中这样定义人工智能：“虽然现在的机器不能思维也没有“直觉的方程式”，但可以把人处理问题的方式编入智能程序，是不能思维的机器也有智能，使机器能做那些需要人的智能才能做的事，也就是人工智能。”诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
2人工智能的应用领域
2.1人工智能在管理及教学系统中的应用
人工智能在企业管理中的应用。刘玉然在《谈谈人工智能在企业管理中的应用》一文中提到把人工智能应用于企业管理中，认为要做的工作就是搞清楚人的智能和人工智能的关系，了解人工智能的外延和内涵，搭建人工智能的应用平台，搞好企业智能化软件的开发工作，这样，人工智能就能在企业决策中起到关键的作用。
人工智能在智能教学系统中的应用。焦加麟，徐良贤，戴克昌(2003)在总结国际上相关研究成果的基础上，结合其在开发智能多媒体汉德语言教学系统《二十一世纪汉语》的过程中累积的实践经验，介绍了智能教学系统的历史、结构和主要技术，着重讨论了人工智能技术与方法在其中的应用，并指出了当今这个领域上存在的一些问题。
2.2人工智能专家系统在工程领域的应用
人工智能专家系统在医学中的应用。国外最早将人工智能应用于医疗诊断的是MYCIN专家系统。1982年，美国Pittsburgh大学Miller发表了著名的作为内科医生咨询的Internist 2I内科计算机辅助诊断系统的研究成果，1977年改进为Internist 2Ⅱ，经过改进后成为现在的CAU-CEUS，1991年美国哈佛医学院Barnett等开发的DEX-PLAIN，包含有2200种疾病和8000种症状。我国研制基于人工智能的专家系统始于上世纪70年代末，但是发展很快。早期的有北京中医学院研制成“关幼波肝炎医疗专家系统”，它是模拟著名老中医关幼波大夫对肝病诊治的程序。上世纪80年代初，福建中医学院与福建计算机中心研制的林如高骨伤计算机诊疗系统。其他如厦门大学、重庆大学、河南医科大学、长春大学等高等院校和其他研究机构开发了基于人工智能的医学计算机专家系统，并成功应用于临床。
人工智能在矿业中的应用。与矿业有关的第一个人工智能专家系统是1978年美国斯坦福国际研究所的矿藏勘探和评价专家系统PROSPECTOR，用于勘探评价、区域资源估值和钻井井位选择等。20世纪80年代以来，美国矿山局匹兹堡研究中心与其它单位合作开发了预防煤矿巷道底臌、瓦斯治理和煤尘控制的专家系统;弗尼吉亚理工学院及州立大学研制了模拟连续开采过程中开采、装载、运输、顶板锚固和设备检查专家系统Consim;阿拉斯加大学编写了地下煤矿采矿方法选择专家系统。
2.3人工智能在技术研究中的应用
人工智能在超声无损检测中的应用。在超声无损检测(NDT)与无损评价(NDE)领域中，目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质，形状和大小进行判断和归类;专家在传统超声无损检测与智能超声无损检测之间架起了一座桥梁，它能把一般的探伤人员变成技术熟练。经验丰富的专家。所以在实际应用中这种智能超声无损检测有很大的价值。
人工智能在电子技术方面的应用。沈显庆认为可以把人工智能和仿真技术相结合，以单片机硬件电路为专家系统的知识来源，建立单片机硬件配置专家系统，进行故障诊断，以提高纠错能力。人工智能技术也被引入到了计算机网络领域，计算机网络安全管理的常用技术是防火墙技术，而防火墙的核心部分就是入侵检测技术。随着网络的迅速发展，各种入侵手段也在层出不穷，单凭传统的防范手段已远远不能满足现实的需要，把人工智能技术应用到网络安全管理领域，大大提高了它的安全性。马秀荣等在《简述人工智能技术在网络安全管理中的应用》一文中具体介绍了如何把人工智能技术应用于计算机网络安全管理中，起到了很好的安全防范作用。
3人工智能的发展方向
3.1人工智能的发展现状
国外发展现状。目前，AI技术在美国、欧洲和日本发展很快。在AI技术领域十分活跃的IBM公司。已经为加州劳伦斯・利佛摩尔国家实验室制造了号称具有人脑的千分之一的智力能力的“ASCII White”电脑，而且正在开发的更为强大的新超级电脑――“蓝色牛仔(blue jean)”，据其研究主任保罗・霍恩称，预计“蓝色牛仔”的智力水平将大致与人脑相当。麻省理工学院的AI实验室进行一个的代号为cog的项目。cog计划意图赋予机器人以人类的行为，该实验的一个项目是让机器人捕捉眼睛的移动和面部表情，另一个项目是让机器人抓住从它眼前经过的东西，还有一个项目则是让机器人学会聆听音乐的节奏并将其在鼓上演奏出来。由于人工智能有着广大的发展前景，巨大的发展市场被各国和各公司所看好。除了IBM等公司继续在AI技术上大量投入，以保证其领先地位外，其他公司在人工智能的分支研究方面，也保持着一定的投入比例。微软公司总裁比尔・盖茨在美国华盛顿召开的AI(人工智能)国际会议上进行了主题演讲，称微软研究院目前正致力于AI的基础技术与应用技术的研究，其对象包括自我决定、表达知识与信息、信息检索、机械学习、数据采集、自然语言、语音笔迹识别等。
我国人工智能的研究现状。很长一段时间以来，机械
和自动控制专家们都把研制具有人的行为特征的类人性机器人作为奋斗目标。中国国际科技大学在国家863计划和自然科学基金支持下，一直从事两足步行机器人、类人性机器人的研究开发，在1990年成功研制出我国第一台两足步行机器人的基础上，经过科研10年攻关，于2000年11月，又成功研制成我国第一台类人性机器人。它有人一样的身躯、四肢、头颈、眼睛，并具备了一定的语言功能。它的行走频率从过去的每六秒一步，加快到每秒两步;从只能平静地静态不行，到能快速自如的动态步行;从只能在已知的环境中步行，到可在小偏差、不确定环境中行走，取得了机器人神经网络系统、生理视觉系统、双手协调系统、手指控制系统等多项重大研究成果。
3.2人工智能发展方向
在信息检索中的应用。人工智能在网络信息检索中的应用，主要表现在：①如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术，包括机器感知、机器思维、机器行为，即知识获取、知识处理、知识利用的过程。②由于网络知识信息既包括规律性的知识，如一般原理概念，也包括大量的经验知识，这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素，对其进行推理，需要利用人工智能的研究成果。
基于专家系统的入侵检测方法。入侵检测中的专家系统是网络安全专家对可疑行为的分析后得到的一套推理规则。一个基于规则的专家系统能够在专家的指导下，随着经验的积累而利用自学习能力进行规则的扩充和修正，专家系统对历史记录的依赖性相对于统计方法较小，因此适应性较强，可以较灵活地适应广普的安全策略和检测要求。这是人工智能发展的一个主要方向。
人工智能在机器人中的应用。机器人足球系统是目前进行人工智能体系统研究的热点，其即高科技和娱乐性于一体的特点吸引了国内外大批学者的兴趣。决策系统主要解决机器人足球比赛过程中机器人之间的协作和机器人运动规划问题，在机器人足球系统设计中需要将人工智能中的决策树、神经网络、遗传学的等算法综合运用，随着人工智能理论的进一步发展，将使机器人足球有长足的发展。
4结语
由上述的讨论我们可以看到，目前人工智能的应用领域相当广泛。无论是学术界还是应用领域对人工智能都高度重视。人工智能良好的发展和应用前景，要求我们必须加大研究和投入力度，以使人工智能的发展能为人类服务。
下一页分享更优秀的<<<人工智能的毕业论文范文
人机博弈。要多难都可以。
人工智能是20世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。以下是我整理的人工智能的毕业论文范文的相关资料，欢迎阅读!
摘要：人工智能是20世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。论述了人工智能的定义，分析了目前在管理、教育、工程、技术、等领域的应用，总结了人工智能研究现状，分析了其发展方向。
关键词：人工智能;计算机科学;发展方向
中图分类号：TP18
文献标识码：A
文章编号：1672-8198(2009)13-0248-02
1人工智能的定义
人工智能(Artificial Intelligence，AI)，是一门综合了计算机科学、生理学、哲学的交叉学科。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。自那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”童天湘在《从“人机大战”到人机共生》中这样定义人工智能：“虽然现在的机器不能思维也没有“直觉的方程式”，但可以把人处理问题的方式编入智能程序，是不能思维的机器也有智能，使机器能做那些需要人的智能才能做的事，也就是人工智能。”诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
2人工智能的应用领域
2.1人工智能在管理及教学系统中的应用
人工智能在企业管理中的应用。刘玉然在《谈谈人工智能在企业管理中的应用》一文中提到把人工智能应用于企业管理中，认为要做的工作就是搞清楚人的智能和人工智能的关系，了解人工智能的外延和内涵，搭建人工智能的应用平台，搞好企业智能化软件的开发工作，这样，人工智能就能在企业决策中起到关键的作用。
人工智能在智能教学系统中的应用。焦加麟，徐良贤，戴克昌(2003)在总结国际上相关研究成果的基础上，结合其在开发智能多媒体汉德语言教学系统《二十一世纪汉语》的过程中累积的实践经验，介绍了智能教学系统的历史、结构和主要技术，着重讨论了人工智能技术与方法在其中的应用，并指出了当今这个领域上存在的一些问题。
2.2人工智能专家系统在工程领域的应用
人工智能专家系统在医学中的应用。国外最早将人工智能应用于医疗诊断的是MYCIN专家系统。1982年，美国Pittsburgh大学Miller发表了著名的作为内科医生咨询的Internist 2I内科计算机辅助诊断系统的研究成果，1977年改进为Internist 2Ⅱ，经过改进后成为现在的CAU-CEUS，1991年美国哈佛医学院Barnett等开发的DEX-PLAIN，包含有2200种疾病和8000种症状。我国研制基于人工智能的专家系统始于上世纪70年代末，但是发展很快。早期的有北京中医学院研制成“关幼波肝炎医疗专家系统”，它是模拟著名老中医关幼波大夫对肝病诊治的程序。上世纪80年代初，福建中医学院与福建计算机中心研制的林如高骨伤计算机诊疗系统。其他如厦门大学、重庆大学、河南医科大学、长春大学等高等院校和其他研究机构开发了基于人工智能的医学计算机专家系统，并成功应用于临床。
人工智能在矿业中的应用。与矿业有关的第一个人工智能专家系统是1978年美国斯坦福国际研究所的矿藏勘探和评价专家系统PROSPECTOR，用于勘探评价、区域资源估值和钻井井位选择等。20世纪80年代以来，美国矿山局匹兹堡研究中心与其它单位合作开发了预防煤矿巷道底臌、瓦斯治理和煤尘控制的专家系统;弗尼吉亚理工学院及州立大学研制了模拟连续开采过程中开采、装载、运输、顶板锚固和设备检查专家系统Consim;阿拉斯加大学编写了地下煤矿采矿方法选择专家系统。
2.3人工智能在技术研究中的应用
人工智能在超声无损检测中的应用。在超声无损检测(NDT)与无损评价(NDE)领域中，目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质，形状和大小进行判断和归类;专家在传统超声无损检测与智能超声无损检测之间架起了一座桥梁，它能把一般的探伤人员变成技术熟练。经验丰富的专家。所以在实际应用中这种智能超声无损检测有很大的价值。
人工智能在电子技术方面的应用。沈显庆认为可以把人工智能和仿真技术相结合，以单片机硬件电路为专家系统的知识来源，建立单片机硬件配置专家系统，进行故障诊断，以提高纠错能力。人工智能技术也被引入到了计算机网络领域，计算机网络安全管理的常用技术是防火墙技术，而防火墙的核心部分就是入侵检测技术。随着网络的迅速发展，各种入侵手段也在层出不穷，单凭传统的防范手段已远远不能满足现实的需要，把人工智能技术应用到网络安全管理领域，大大提高了它的安全性。马秀荣等在《简述人工智能技术在网络安全管理中的应用》一文中具体介绍了如何把人工智能技术应用于计算机网络安全管理中，起到了很好的安全防范作用。
3人工智能的发展方向
3.1人工智能的发展现状
国外发展现状。目前，AI技术在美国、欧洲和日本发展很快。在AI技术领域十分活跃的IBM公司。已经为加州劳伦斯・利佛摩尔国家实验室制造了号称具有人脑的千分之一的智力能力的“ASCII White”电脑，而且正在开发的更为强大的新超级电脑――“蓝色牛仔(blue jean)”，据其研究主任保罗・霍恩称，预计“蓝色牛仔”的智力水平将大致与人脑相当。麻省理工学院的AI实验室进行一个的代号为cog的项目。cog计划意图赋予机器人以人类的行为，该实验的一个项目是让机器人捕捉眼睛的移动和面部表情，另一个项目是让机器人抓住从它眼前经过的东西，还有一个项目则是让机器人学会聆听音乐的节奏并将其在鼓上演奏出来。由于人工智能有着广大的发展前景，巨大的发展市场被各国和各公司所看好。除了IBM等公司继续在AI技术上大量投入，以保证其领先地位外，其他公司在人工智能的分支研究方面，也保持着一定的投入比例。微软公司总裁比尔・盖茨在美国华盛顿召开的AI(人工智能)国际会议上进行了主题演讲，称微软研究院目前正致力于AI的基础技术与应用技术的研究，其对象包括自我决定、表达知识与信息、信息检索、机械学习、数据采集、自然语言、语音笔迹识别等。
我国人工智能的研究现状。很长一段时间以来，机械
和自动控制专家们都把研制具有人的行为特征的类人性机器人作为奋斗目标。中国国际科技大学在国家863计划和自然科学基金支持下，一直从事两足步行机器人、类人性机器人的研究开发，在1990年成功研制出我国第一台两足步行机器人的基础上，经过科研10年攻关，于2000年11月，又成功研制成我国第一台类人性机器人。它有人一样的身躯、四肢、头颈、眼睛，并具备了一定的语言功能。它的行走频率从过去的每六秒一步，加快到每秒两步;从只能平静地静态不行，到能快速自如的动态步行;从只能在已知的环境中步行，到可在小偏差、不确定环境中行走，取得了机器人神经网络系统、生理视觉系统、双手协调系统、手指控制系统等多项重大研究成果。
3.2人工智能发展方向
在信息检索中的应用。人工智能在网络信息检索中的应用，主要表现在：①如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术，包括机器感知、机器思维、机器行为，即知识获取、知识处理、知识利用的过程。②由于网络知识信息既包括规律性的知识，如一般原理概念，也包括大量的经验知识，这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素，对其进行推理，需要利用人工智能的研究成果。
基于专家系统的入侵检测方法。入侵检测中的专家系统是网络安全专家对可疑行为的分析后得到的一套推理规则。一个基于规则的专家系统能够在专家的指导下，随着经验的积累而利用自学习能力进行规则的扩充和修正，专家系统对历史记录的依赖性相对于统计方法较小，因此适应性较强，可以较灵活地适应广普的安全策略和检测要求。这是人工智能发展的一个主要方向。
人工智能在机器人中的应用。机器人足球系统是目前进行人工智能体系统研究的热点，其即高科技和娱乐性于一体的特点吸引了国内外大批学者的兴趣。决策系统主要解决机器人足球比赛过程中机器人之间的协作和机器人运动规划问题，在机器人足球系统设计中需要将人工智能中的决策树、神经网络、遗传学的等算法综合运用，随着人工智能理论的进一步发展，将使机器人足球有长足的发展。
4结语
由上述的讨论我们可以看到，目前人工智能的应用领域相当广泛。无论是学术界还是应用领域对人工智能都高度重视。人工智能良好的发展和应用前景，要求我们必须加大研究和投入力度，以使人工智能的发展能为人类服务。
下一页分享更优秀的<<<人工智能的毕业论文范文