首页

> 期刊投稿知识库

首页 期刊投稿知识库 问题

ai研究民工论文

发布时间:

ai研究民工论文

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

来自清华、北大、上海交大;腾讯、华为、京东、字节跳动,和炙手可热的AI研发机构北京智源人工智能研究院等十多家知名机构的数十名国内AI大牛参与署名的论文,被Google Brain的一名研究员指出严重抄袭。被指控的论文名为《A Roadmap for Big Model》(下称《大模型》)。名叫Nicholas Carlini的研究员近日在其博客中直接罗列了大量该论文与他更早发布的“Deduplicating Training Data Makes Language Models Better”论文一摸一样的段落。而且,他还表示,被抄袭的可能至少还有其他十余篇论文。查阅预印本服务器arXiv可以发现,谷歌大脑研究员的论文上传时间为去年七月份,而《大模型》的上传时间在今年三月。Nicholas Carlini在其博客中表示:“很可能只有少数作者参与了这种抄袭,一小部分作者的不当行为不应该被用来指责大多数行为良好的作者。”

AI技术的智能模型的训练模式由之前的大炼模式逐渐变成炼大的模式;参数量模式在不断增加,探索的四个层次等等内容都有抄袭。

美国研究所ai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

据 Newzoo 发布的《2018 全球 游戏 市场报告》显示,2018 年手游创造了 703 亿美元的收入,且这一数字预计到 2021 年攀升至 1063 亿美元。 但是,对于手游行业来说,用户流失是非常大的难题,且衡量标准往往很难预测。 用户流失有两种类型,一种是微观层面的,关系到 App 自身和特定用户;另一种是宏观层面的,即 App 和整体用户之间的流失。这两者之间互相影响,但并不易察觉,这对发行商和开发者来说都是一项难题。 不过,一篇来自三星美国研究中心、德克萨斯 A&M 大学、匹兹堡大学和亚利桑那大学的研究团队共同撰写的论文——《大型手游微观和宏观层面的用户流失分析》显示,在 AI 的帮助下,有望得出一种分析用户流失的更优方案。 研究人员认为,随着移动设备的普及,手游已经成为一个有着数十亿美元收入的市场,前景十分乐观。然而,手游平台和服务面临着一个关键的挑战,既设法了解导致用户流失的原因有哪些。研究人员首次对微观层面的用户流失进行了预测,也对宏观层面的用户流失进行排名,并以此对手游进行了大规模的用户流失分析。 流失预测系统已经不是什么新鲜事物了,但是,之前的方法只能预测一款或少数几款手游的流失,并没有考虑到用户和应用程序的交互数据,例如 Wi-Fi 的连接状态、屏幕的亮度和音量大小。 相比之下,研究人员拟建的系统采用了从三星 游戏 启动器(Samsung game Launcher)收集了 游戏 开启、关闭、安装和卸载的详细交互数据。这一套系统,允许三星手机用户定制其手机在满足某些变量时的反应。此外,研究人员使用图形来模拟用户和 游戏 之间的关系(描述连接各种实体关系的数据库),并使用深度神经网络捕获信息以及用户与 游戏 交互的“动态”方式。通过附加的图形和算法,就可以总结宏观客户流失。具体来说,该系统能够根据近期可能流失的用户总数为 游戏 生成一个列表。 为了构建用于训练人工智能学习模型的数据集,研究人员在得到美国和韩国用户同意的情况下,从三星 游戏 启动器中匿名收集了数万款手游和数亿用户 4 个月的数据。搜集的数据包括: 游戏 历史 、 游戏 概况(既 游戏 类型、开发者、下载量、评级值和评级数量等)和用户信息(例如设备型号和区域)。

ai人工智能论文

你还是自己去汉斯出版社 的官网找下相关文献看看学习学习吧

“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,对《人工智能》这门专业选修课程的 教学 方法 进行了探索和 总结 。以下是我整理分享的关于人工智能结课论文的相关 文章 ,欢迎阅读!

对《人工智能》专业选修课教学的几点体会

摘要:“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,提高《人工智能》专业选修课的教学效果,我们结合近几年的实际教学 经验 ,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。

关键词:人工智能 优选教材 考核方式内容 手段 实践

人工智能(Aritificial Intelligence,英文缩写为AI)是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科,是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它是研究智能机器所执行的通常与人类智能有关的职能行为,如推理、证明、感知、规划和问题求解等思维活动,来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐,与时俱进,有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代,人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科,必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止,全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自2005年成立至今,一直将“人工智能”列为自动化专业本科生的选修课程,到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校,因此,学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下,南邮人经过多年的努力工作,在人工智能科研方面取得了丰硕的成果,如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统,为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。

一、优选教材

目前,国内有关人工智能课程的中英版教材种类非常多,遵循实用、简单、够用的原则,再经过授课老师和学生们的共同调研,我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面,包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写,内容基础,难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域,做到了内容新颖、简单易懂、兼顾基础和应用,受到了全国广大师生们的一致好评,多年的教学实践证明我们所选择的教材是恰当的、正确的。

二、考核方式

在全国大部分高等院校,“人工智能”这门课大都选择开卷考试的方式来进行考核。为了强化学生对人工智能这门课基础知识的掌握,南京邮电大学自动化学院选用闭卷考试的方式来进行考核。为了打消部分学生想在期末闭卷考试中通过作弊手段来完成人工智能这门课考核的侥幸心理,我们加强了对学生平时考勤成绩、课下作业成绩和实验成绩的考核,从而杜绝了“一纸定成绩”的现象。我们对人工智能这门课的最后期末成绩是按如下权重来划分的:平时考勤成绩占10%、课下作业成绩占10%、实验成绩占20%、最后的期末考试卷面成绩只占60%。为了克服国家现行 教育 体制的弊端,避免学生“机械式”地的应对教学和考试,我们对考试题型进行了调整,不再是以往的填空、选择、简答等题型,而是改为以解决实际问题为导向的应用题型为主,这样学生只需要在理解授课内容的基础上利用自己的思维来解题就可以了,这也体现了国家目前正在提倡的应用型教学导向。

三、教学内容调整

对于本科生而言,人工智能这门课程所需要讲授的内容实在太多,由于课时所限,我们必须精简教学内容,让学生在掌握基础知识的同时,也能够了解它的具体应用。因此,我们将人工智能这门课程的教学内容分为两个部分:第一部分是基本理论和方法,包括人工智能的概述、知识表示方法、确定性推理方法等;第二部分为人工智能研究成果的具体应用,包括神经元网络计算、模糊智能计算、专家知识库系统、机器语言学习等。通过对教材内容的合理调整和安排,使得授课计划能够比较全面地覆盖了人工智能这门课程的基本知识点,从而满足了学生们的求知需求。

四、教学手段的改进

(一) 激发学生的学习兴趣

经过长时间的教学我们发现,在选修“人工智能”这门课程时,每个学生的心中所想各有不同,这些学生在刚开始学习时兴趣还比较强烈,但随着教学内容变得越来越抽象,学生逐渐对这本课的学习失去了信心,甚至上课时间不去听课,使授课教师对教学也渐渐失去了信心,导致恶性循环,严重影响了教学质量。针对这种现象,我们认为,在开课前充分激发学生的学习兴趣是很有必要的。我们要结合学校的实验条件,开课前给学生演示“机器人医疗服务”实验,通过该实验的演示,让学生们看到机器人能够给病人提供多项人性化的服务,理解人工智能技术在开发医疗服务机器人多项关键技术中的应用,让学生在开课前能够对本课程的学习产生极大的兴趣,实践证明这种方法是有效的。

(二) 借助多媒体教学

多媒体教学是现代教学过程中一种非常重要的形式,它往往根据教学目的和学生们的特点,通过合理的设计、选择教材内容,应用公式、图形、文字、视频等多种媒体信息进行有机组合并通过电脑和投影机显示出来,与传统教学手段相结合,形成合理的教学过程结构,达到最优化的教学效果。人工智能这门课具有针对性强、内容抽象、公式繁琐等特点,学生学习起来比较困难,为了让学生生动、形象地学习该课程,我们在教学过程中充分利用了多媒体技术来组织教学。例如在课堂教学过程中播放南邮自动化学院梁志伟博士带领学生所开发的“智能 足球 机器人”比赛片段;让学生在线观看北京大学工学院谢广明博士带领学生所开发的“自主视觉机器鱼”录像片段等。在讲解某些重要的求解算法时,借助Matlab软件和投影机,直接展现该算法的求解过程,从而改善了课程教学的形式,提高了教学质量。 (三)提倡课堂 辩论

我们在教学过程中打破了传统的“老师讲课学生听课”的教学模式,多次组织课堂辩论,辩论的主题包括人工智能研究过程中出现的技术困惑、人工智能研究成果转化中的市场前景等。如组织了“电脑PK人脑”“电脑是否让电视消失”“电脑的未来发展方向在哪里”等一系列 辩论会 。经过激烈的辩论,无论正方还是反方都感觉自己收获很大,增长了知识,开阔了眼界。在教学过程中通过将学生由“被动听课”角色变换为“主动参与”角色,大大地调动了学生的学习积极性,从而提高了课堂教学质量。

五、实践教学

实践教学是课堂教学不可缺少的重要组成部分,通过让学生亲自动手实验来对理论知识进行检验和应用是目前国内外各个大学提高学生综合素质、增强学生市场竞争力的重要手段。人工智能实验教学的目的是让学生通过亲自动手体会授课中的各种智能控制算法,从而使学生能够更加形象地掌握课本知识。人工智能教学计划安排了4学时实验课,设置了“传教士和野人过河”“机器人路径规划”这两个人工智能问题,要求学生独立完成这2个实验题目的编程,并书写实验 报告 。通过实验,学生动手实践了课堂上所掌握的理论知识,加深了对智能算法的理解。

人工智能是一门实用性较强的课程,我们总结了近几年来的教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学五个方面对人工智能课程教学进行了总结。从学生的反馈来看,我们所总结的教学经验对于指导新教师讲授“人工智能”这门课程具有积极的作用,需要指出的是,我们仍有很多不足之处,需要在以后的教学过程中不断努力完善,提高自己的教学能力,争取更好的教学效果。

参考文献

[1]蔡自兴,徐光佑.人工智能及其应用[M].北京:清华大学出版社,2003.

[2]路小英,周桂红,赵艳等.高等农业院校《人工智能》课程的教学研究与实践[J].河北农业大学学报:农林教育版,2007,9(4):66-68.

[3]马建斌,李阅历,高媛. 人工智能课程教学的探索与实践[J].河北农业大学学报:农林教育版,2011,13(3):330-332.

[4]赵海波.人工智能课程教学方法的探讨[J].科技信息,2011,(7):541.

[5]张廷,杨国胜.“人工智能”课程教学的实践与探索[J].课程与教学,2009(11):133-134.

本研究得到了江苏省2011年度研究生双语授课教学试点项目—“模式识别与智能系统”项目经费的资助。

下一页分享更优秀的<<<人工智能结课论文

研究生发表ai顶会论文

你这个太广泛了,工科,很大的。高水平的文章,肯定要理论吃的很透。手里要第一手的实验数据,深挖数据。从理论上深刻分析。

这个与你选的导师,自己的努力程度,老师的牛逼程度等等有关

美国研究所ai论文排名

美国作为科技大国之一,其计算机行业的发展更是首屈一指。那么因此也吸引了世界上众多计算机爱好者的到来,美国计算机的发展可谓越来越强大。那么,对于有意前往美国就读计算机专业的同学们来说,选择什么学校也是十分重要的。那么美国计算机什么大学好?又有怎样的申请条件呢? 一、美国计算机什么大学好? 1、 斯坦福大学 (Stanford University):该大学位于加利福尼亚州,美国计算机科学本科排名top1,是计算机科学领域的领先学校,计算机科学本科专业为对计算科学感兴趣的学生提供广泛而严格的培训。其计算机科学拥有40人以上的Faculty成员,其中不乏响当当的图灵奖得主和各个学科领域的领军人物。 2、 麻省理工学院 (MassachusettsInst of Technology):简称MIT,麻省理工学院曾为计算机科学的发展作出不可磨灭的贡献,数据流计算的思想和数据流计算机、人工智能方面的许多重大成就,影响深远。 3、 加州大学伯克利分校 (Universityof California-Berkeley):世界著名的公立研究型大学,地处旧金山湾畔,硅谷地带。加州大学伯克利分校的电气工程与计算机科学系(EECS)在学术界有着非常强的影响力,该校的CS专业更倾向于培养学生的宏观计算机思维。大部分学生在毕业后,会在工业界开始自己的职业生涯。 4、卡耐基梅隆大学(Carnegie Mellon University):坐落在美国宾夕法尼亚州的匹兹堡,是美国25所新常春藤盟校之一。该校拥有享誉全球的计算机学院,CMU位列CSRankings排名世界第一,USNews计算机排名与斯坦福大学,麻省理工学院,加州大学伯克利分校并列全美第一。 5、伊利诺伊香槟分校(Univ.ofIllinois-Urbana-Champaign):创建于1867年,位于伊利诺伊州幽静的双子城厄巴纳–香槟市,是一所美国著名公立研究型大学。该校是美国“十大联盟(Big Ten)”创始成员,美国大学协会(AAU)成员,被誉为“公立常春藤”。UIUC的工科专业在全球享有盛誉,计算机专业全美第二。 6、 佐治亚理工学院 :1885年建校,是美国顶尖的理工学院,排名仅次于麻省理工学院和 加州理工学院 。佐治亚理工学院以工程、计算机、等学科的学位课程闻名于世。 7、 华盛顿大学 :华盛顿大学是美国西海岸历史最悠久的大学之一,是获得研发经费最多的公立大学,在科研上具有得天独厚的优势。学校培养出众多知名的校友,比如美国硅谷创始人之一Victor Grinich、DOS系统作者Tim Paterson等等。计算机科学与工程(Computer Science&Engineering)是华大的知名专业,学生可以在算法、人工智能、密码学、图形以及可视化、软件工程等等方面获得很大的发展空间。大学所在的西雅图市也是一个繁华的大都市。 8、 普林斯顿大学 :普林斯顿大学开设的计算机科学专业也是很优秀的。主要学习对高级计算机系统的使用,包括软件系统、算法、编程语言等等核心领域。本科生可以享受和研究生同等级别的科研资源,参与到多大11个方向的研究课题中。 9、 康奈尔大学 :康奈尔的计算机科学专业偏向于理论,在信息检索方面很有特色,发明了世界上第一个真正意义上的搜索引擎SMART information retrieval system的就是来自于康奈尔的Gerard Salton教授。 二、申请美国大学计算机专业的条件是什么? 1、在学位方面: (1)高中生申请:一般要求雅思6.0分,托福80分,高中三年平均分在80分以上。如果要申请排名前50的名校,要求雅思6.5分以上,托福90分以上,高中三年平均分90分以上;背景要求:竞赛奖项和课外活动;申请时间:春季入学网申的时间一般都是在5、6月份,截止时间一般为10月底,不同学校deadline不一样。秋季入学网申开始时间一般在8、9月份,截止日期一般从10月到次年3月不等。 (2)本科生申请:大学GPA不低于3.0(满分4),托福成绩:每个学校要求不同,一般排名TOP30的学校会要求托福100分以上,雅思6.5分以上,其他院校85分左右;背景要求:专业相关的研究性学习和课外活动;申请时间:转学生申请的截止时间一般晚于新生申请的截止时间,通常在2、3月份。4-6月份也有少数学校在招生。春季入学的申请截止时间通常在9-11月份,集中在10月份的比较多。因为计算机科学也非常注重数学能力,所以quantitative部分尽量获得168分以上,GRE总分建议为320分以上,AW3.0以上。 2、标化成绩:理想的GRE分数应该在292到328之间。 3、学费方面:在美国排名前50的学校当中,私立大学的学费普遍在$5-6万/年,学费每年的涨幅在4%左右;绝大多数公立校的学费集中在$2.5-4万/年,学费的涨幅也要低于顶尖的私立学校,一般在2.5%-3%左右。 三、留学美国计算机大学的优点是什么? 1、一些世界领先的计算机科学大学的存在:在美国学习,能够学习从人工智能到网络安全等学科。能够以创新的模块和足够的灵活性激发学习环境。选择在美国攻读计算机科学专业,国际学生将有机会从事计算机各个领域的学习与研究,从编辑语言到数据挖掘、从人机交互到网络安全。计算机科学专业是一个在研究和应用两方面都能够有所发展的专业,非常看重学生的实践以及科研能力。美国优越的计算机科研环境,使学生能够利用在世界最前沿的课程中学到的有意义的知识从而深入研究自己感兴趣的领域并在相关期刊与学术会议上发表论文。 2、职业前景广阔,预计未来十年招聘量将迅速增加:得益于该国在信息技术和相关领域的实力和发展,该领域的未来前景非常好。专家表示,计算机科学领域的职业前景在Facebook、思科、苹果和甲骨文软件系统有限公司等科技巨头的家中非常有利。根据美国劳工统计局的数据,计算机和信息研究科学家的工作预计将在2016年至2026年期间增长19%,远远超过所有职业平均7%的增长速度。在美国的就业市场上,计算机专业学生一直很受欢迎,特别是中国、印度的理工科学生都比较优秀,是美国公司的重点招聘对象。在美国大学攻读计算机科学研究生学位,可以让国际学生与美国科技雇主建立联系-而美国科技行业是世界上最大的科技行业。 美国作为拥有许多世界顶尖院校的国家之一,其计算机专业也十分优秀,自然而然其申请的竞争也十分激烈。美国计算机什么大学好,已经介绍完啦,当然优秀的院校不止这些,同学们还可以去自行挖掘,选择自己最满意的学校然后申请就好,祝愿同学们都能拿到心仪的offer!

美国计算机专业的大学有很多例如:(信息来源美国大学院校库)1、斯坦福大学的计算机科学拥有40人以上,其中不乏响当当的图灵奖得主和各个学科领域的领军人物。2、麻省理工学院,MIT招生不太喜欢看GRE成绩。MIT曾为计算机科学的发展作出不可磨灭的贡献,数据流计算的思想和数据流计算机、人工智能方面的许多重大成就,影响深远。3、加州大学伯克利分校,同样地处旧金山湾畔,硅谷地带,离Stanford大约只有50公里的UC.Berkeley是美国激进的学校之一。4、卡耐基梅隆大学,CMU是位于匹兹堡的不大的学校,但这个学校在工程及其他一些领域的学堂。5、伊利诺斯大学、UIUC的工程学院在全美是至尊级的,其CS、ECE、EE在历史上都屡建战功。如果想了解自己的成绩可以申请到那些美国大学的计算机专业,可以通过留学志愿参考系统把你的GPA、语言成绩、专业、院校背景信息输入到留学志愿参考系统中,系统会自动从数据库中匹配出与你情况相似的同学案例,看看他们成功申请了哪些院校和专业,这样子就可以看到你目前的条件能申请到国外什么层次的院校和专业了

美国大学计算机专业的排名总的来说,前20的CS可以分成三波:(1) 4 个最为优秀的CS Program: Stanford, UC. Berkeley, MIT, CMU(2) 6 个其他前10的: UIUC, Cornell, U. of Washington,Princeton, U. of Texas-Austin 和 U. of Wisconsin-Madison, 其中UIUC, Cornell, U. of Washington和UW-Madison几乎从未出过前10。(3) 其他非常非常优秀的CS:CalTech, U. of Maryland at CP, UCLA, Brown, Harvard, Yale, GIT, Purdue, Rice, 和 U. of Michigan.约定:CS=计算机科学(系)。 总的来说,前20的CS可以分成三类: 一、4个最为优秀的CS Program: Stanford斯坦福大学, UC.Berkeley加州大学(伯克利分校), MIT, CMU 卡内基梅隆大学 二、6个其他前10的: UIUC诺伊大学-香槟分校,Cornell康纳尔大学, U. of Washington,Princeton,U. of Texas-Austin 和 U. of Wisconsin-Madison,其中UIUC, Cornell, U. of Washington和UW-Madison几乎从未出过前10。 三、其他非常非常优秀的CS: CalTech, U. of Maryland at CP, UCLA, Brown, Harvard , Yale, GIT, Purdue, Rice, 和 U. of Michigan. ******************************** Stanford Stanford URL: Stanford的CS是个很大个的CS,拥有40人以上的Faculty成员,其中不乏响当当硬梆梆的图灵奖得主(Edward A.Feigenbaum, John McCarthy) 和各个学科领域的大腕人物,比如理论方面的权威 Donald E. Knuth; 数据库方面的大牛Jeffrey D. Ullman(他还写过那本著名的编译原理,此人出自Princeton);以及RISC技术挑头人之一的John Hennessy。相信CS的同学对此并不陌生。该系每年毕业30多名Ph.D.以及更多的Master。学生的出路自然是如鱼得水,无论学术界还是工业界,Stanford的学生倍受青睐。几乎所有前10的CS中都有Stanford的毕业生在充当教授。当然同样享有如此地位的还包括其他三头巨牛:UC.Berkeley, MIT 和 CMU. 毕业于U. of Utah(犹他州)的Jim Clark 曾经在Stanford CS当教授。后来就是这个人创办了高性能计算机和科学计算可视化方面巨牛的SGI公司。SUN公司名字的来历是:Stanford University Network.。顺便提一下,创办 YAHOO的华人杨致远曾在斯坦福的EE攻读博士,后来中途辍学办了YAHOO。 CS科研方面,斯坦福无论在理论,数据库,软件,硬件,AI 等各个领域都是实力强劲的顶级高手。斯坦福的RISC技术后来成为SGI/MIPS的 Rx000系列微处理器的核心技术; DASH,FLASH 项目更是多处理器并行计算机研究的前沿;SUIF并行化编译器成为国家资助的重点项目,在国际学术论文中SUIF编译器的提及似乎也为某些平庸的论文平添几分姿色。 Stanford有学生14000多,其中研究生7000多。CS有175人攻读博士, 350人攻读硕士,每年招的学生数不详,估计少不了,但不要忘了,每年申请CS的申请学生接近千人,申请费高达80$。 斯坦福大学位于信息世界的心脏地带——硅谷。加州宜人的气候,美丽的风景使得Stanford堪称CS的天堂。33.1平方公里的校园面积怕是够学子们翻江蹈海,叱诧风云的了。 申请斯坦福是很难成功的,但也并非不可为之。去斯坦福这样的牛校,运气很重要,牛人的推荐也很重要。 ******************************** MIT MIT URL: MIT招生好象不看GRE成绩。但MIT的CS是巨牛的,99年最新排名上它和斯坦福被打了5.0 的满分,并列第一。MIT的CS曾为CS的发展作出不可磨灭的贡献,数据流计算的思想和数据流计算机、人工智能方面的许多重大成就,以及影响了整个UNIX界的X-Window……MIT和斯坦福,CMU,UC. BERKELEY一样,都是几乎在CS界样样巨牛的学校。 MIT的Media Arts and Sciences其知名度不在Computer Department下。主要是多媒体技术,信息处理,人工智能……有一大批著名的教授,如Marvin Minsky(Turing Award)…… ******************************** UC.Berkeley UC.Berkeley URL: 同样地处旧 金山湾畔,硅谷地带,离Stanford只有大约 50公里的加州大学伯克利校区:UC.Berkeley是美国最激进的学校之一。60年代的嬉皮文化,反越战,东方神秘主义,回归自然文化都起源于此。诗人爱伦金斯堡是当年 Berkeley的代言人。 在当今高科技领域C. Berkeley在缔造新的神话,在文学、数学、化学、新闻等20多个大的学科领域中位居前3。16个诺贝尔奖得主,总数近200的科学院院士、工程院院士,连同众多在硅谷商战中成为亿万富翁的伯克利人撑起了一面汇集天下之英才的大旗。INTEL总裁AndrewGrove毕业于UC. Berkeley。 BSD版的UNIX影响了整个OS界,伯克利的RISC技术后来成为了SUN公司SPARC微处理器的核心技术,巨牛人物David Patterson接下了一个6亿美元的项目用于新型计算机体系结构,特别是IRAM的研究开发。 UC. Berkeley有学生30000多,研究生超过8500。申请费和其他加州大学的分校一样,40$。据一项最近的调查,伯克利已经成为美国大学生最向往的研究生院,高居榜首,其申请的难度可想而知。UC.Berkeley的 DEADLINE一般很早,12月中就截至了,其内部的实际DEADLINE其实要迟一些。 Berkeley的CS是个大系,Faculty中有图灵奖得主以及象 Patterson这样的巨牛。学生的出路同Stanford,MIT,CMU一样,光辉灿烂,前程锦绣,这里不再赘述。CS科研方面,Berkeley也是样样强,门门巨牛。 旧 金山湛蓝起伏的海湾,苍翠绵延的山峦,舒心宜人的气候,以及近在咫尺的硅谷…… 这一切的一切不也使得UC.Berkeley 俨然一个CS 学子的世外桃源么? ******************************** CMU CMU URL: CMU是个位于匹兹堡的不大的学校,学生7000多,校园好象也不大。但这个学校在工程及其他一些领域却是顶尖的学堂。 CMU的CS不单单是个系,而是一个学院,其规模之大,可能只有Stanford, UIUC可比。教师学生的情况同前面3个类似,不再赘述。Mach操作系统,PVM,C.mmp等都有CMU的巨大贡献。 申请CMU的难度很大,因为尽管CMU的 CS Faculty很多,但每年只招不足30人的研究生队伍。 ******************************** Cornell URL: 作为 IVY LEAGUE的成员和一所私立学校,Cornell有其独到的优势。在美国,私立学校一般比公立学校难进,其学生也是经过很严的选拔才录取的,Cornell的CS学生入校后多能享受FELLOW的待遇,其个人经济条件非公立学校可比,加上贵族式校友的提拔,私立学校的出路是很诱人的。 康乃尔在理论计算机方面一直是顶级高手,但在其他CS领域并不总能在前10。 Cornell学生18000多,研究生过5000。CS每年招攻读Ph.D.的学生25 人左右。 ******************************** UIUC URL: UIUC的工程院在全美堪称至尊级的巨牛,其CS,ECE,EE在历史上都屡建战功。在CS方面,从早期的超级计算机ILLIAC I, II, III, IV到后来的 CEDAR,都是CS发展史上,特别是并行计算机发展史上的重要事件,影响,引导了很长时期的发展。 David Kuck曾是并行处理界的一代先驱。 超级计算机研究开发中心:CSRD,美国国家超级计算及应用中心:NCSA等众多的机构,使得UIUC的CS常常成为研发的领军头领。 大家可能还记得,Netscape-Navigator 的最初开发人员中有个Marc· Anderssen。这位来自WISCONSIN的小伙在UIUC读本科,大四的时候在NCSA参与编写了MOSAIC,后来他去了硅谷,并在那里遇到了前面提到过的大牛: Jim Clark,SGI的前创始人,两人一见如故,联手创办了著名的网景,并一度在浏览器市场上独霸武林。 随着一代代至尊大师的离去,UIUC 的 Faculty看上去似乎并不引人 注目。但得提醒你,UIUC的CS向来以实干著称。我期待着他们下一个惊世之举。 UIUC是个大学校,学生数过35000,研究生院的近万。UIUC的CS很大个,40余个Faculty提供了全面的CS教育和科研项目。每年30多个博士的毕业数目似乎只有斯坦福可以匹敌。 UIUC的Polaris并行化编译器是这个领域和斯坦福的SUIF直接叫板的拳头产品。清华开发并行编程环境时选用了这个系统。只是代码庞大,运作缓慢的Polaris搞的清华有那么一点点瘪西西…… UIUC 在计算机硬件,软件,AI,DB,等各个领域都相当巨牛。特别是硬件,前面提到的ILLIAC,CEDAR……事实上,UIUC在超级计算机系统的研究开发方面决不逊于CS四大天王中的任何一个,甚至有过之而无不及。NCSA建立在UIUC这一事实本身就是佐证。 UIUC-CS 的学生毕业后去学术界的不少,Stanford, Berkeley……都有UIUC的博士挑大梁。但更多UIUC-CS学人还是进入业界,成为业界实干的中坚。 ******************************** U. of Washington U. of Washington URL: 位于 Seattle的 UW 得天独厚--计算机界的巨牛MS就在西雅图,而且更为要命的是,Bill Gates就是那里儿的人。这位Harvard 的辍学者给了哈佛许多MONEY, 但同给UW的钱财相比,实在是小巫见大巫。 U. of Washington位于分光秀丽的WASHINGTON湖畔,气候四季如春。33000多学生中研究生有8000。Seattle最令人厌恶的地方可能就是一年有160天会降水。 UW的CS较大,30多名Faculty成员,每年近20个优质博士毕业,以及大量的Master。估计每年的招生数应该不低,UW的CS在各个方面比较均衡,最强的软件排名第5,而其他领域也一般都能位居前10,好象没有明显弱的地方。 图灵奖得主 Dick Karp从Berkeley告老还乡后又被返聘到了UW的CS。U. of Washington的 CS要求很高,Ph.D.学生入学的平均 GPA 高达 3.86,GRE2160+,加上一般较早的DEADLINE,申请UW是相当有难度的。 ******************************** Princeton Princeton URL: Princeton是个令人神往的地方,这里曾经是科学的世界中心。Princeton的CS不大, 18个Faculty成员,学生数也不算多。科研上除了排名第5的理论,似乎俺还没注意到其他闪光点,望知情人补充。但是,Princeton无疑培养出了大量计算机界的优秀人物,Jeffrey D. Ullman, John McCarthy等巨牛人物均出自大名鼎鼎的Princeton. 在Princeton领受的教育是最好的教育熏陶。 Princeton学校不大,只有6000多学生,研究生不过1700。Princeton 的 CS录取很严,虽然已有不少华人学生就读 Princeton。 ******************************** UW-Madison UW-Madison URL: UW-Madison的CS较大,35个Faculty,200多个研究生,每年招60-70 个新生。 目前几乎 1/4 的 Faculty 来自Berkeley,博士生毕业后有去 Stanford,Berkeley等牛校挑大梁的,但和UIUC类似,似乎进入业界的更多些。然而要在这里拿到博士学位可不容易。超过7成的人,会在中途找到比较理想的工作后,拿着硕士文凭撒丫子就跑,免得被那些无穷无尽的科研项目给整瘪了。一位WISCONSIN的哥们在回答我关于 “该做些什么准备”的提问时说:尽情欢乐享受吧,这样可以 Bring A healthy and energetic you to Madison to survive those projects. UW-Madison的数据库一直在前 3 位,经常是第1位。这里的数据库由于在设计实现DBMS系统上的传统优势,使得其在业界的声誉相当崇高, MicroSoft 里据说有一帮WISCONSIN的校友从中兴风作浪,Oracle也格外青睐WISCONSIN-Madison的学子。可惜,偶似乎对数据库并不是很感兴趣。 WISCONSIN的硬件,计算机体系结构实力巨牛,99排名第6,对业界相当有影响力。微处理器中的超标量技术(SuperScalar)源于此地;多处理机CACHE一致性的总线侦听SNOOPING协议,IEEE SCI协议等,都是源于此地。正在研究开发中的MultiScalar技术和DataScalar技术据吹可以把微处理器每个时钟周期的指令发射数提到10以上,大大地提高微处理器的计算能力。WISCONSIN的软件99排名第 7。主要是在系统软件方面做OS的设计与实现,WEB上的CACHE策略,支持共享主存和消息传递两种并行编程模式及其混合的并行程序设计语言和编译器,以及由MIDSHIP项目挑起的关于并行与分布式计算,OODB,科学数据库,支持图象查询的新型查询语言以及图象处理等方面的研究。由于美国有大量的卫星图象需要及时处理,加上迫切需要GIS系统的研究开发,这方面的研发使得UW-Madison 捞到了不少经费。 WISCONSIN和UIUC的CS理论都是10名左右。WISCONSIN的Carl de Boor 是逼近理论方面的大牛。 U. of Wisconsin-Madison是个大型综合性的学校,40000 学生中研究生院的超过10000,这万人中有博士生5000,硕士生3500,法学院、医学院、护院、兽医院的职业学生2000人。2200多 Faculty中有多位诺贝尔奖得主,52个院士,18个工程院院士。130个科系几乎涵盖了所有科研领域。科研经费常年位居全美前4。Wisconsin的研究生院稳居 TOP20,而且由于它的大而全,在科研排名上能进前10。UW-Madison在95年NRC 的41项评价中,16项位居TOP10,35项排进了TOP25。 U. of WISCONSIN-Madison的校园位于风景如画的湖畔林荫中. 现代化风格和古典欧美风格的建筑物在平缓起伏的湖岸上交相呼应。学校自吹拥为世界上最美的校园之一。偶不知道其他校园的场景,单从他们在网页上提供的照片来看,的确很美。WISCONSIN的冬天很冷,很长,而且大雪纷飞,寒风凛冽。 需要注意的是,WISCONSIN的CS有点不同于许多其他学校, 它隶属于College of Letters & Science. 而不在College of Engineering下面,因此许多偏硬件的项目,比如嵌入式系统,网络硬件、路由,多媒体,通信,自控以及数字信号处理及等项目不在CS Dept, 而是在工程院 下的 Dept. of Electrical & ComputerEngineering 即 ECE系。那个系也挺大个,比CS还要大不少。98年在工程类排名的计算机工程一项上也排了第9。但偶将来怕跟他们没多少来往。伊拉的网址: 工程院: ECE系: ******************************** URL: UT-Austin的CS较大。Faculty中好象有个图灵奖得主。( Edsger Wybe Dijkstra,是那个搞算法的)。好象该系发展比较平衡,最好的AI 排第5,其他几个专业也多能挤进前十。 UT-Austin是个巨大的学校,5万学生,研究生院的可能有1.3万。但学校的主校区却好象面积不足,仅140公顷,按美国大学的标准,太不足了。偶曾见到一张照片,校园周围高楼林立,可能是位于市中心的缘故吧。 总的来说,前 10 的 CS由于在当前国际计算机行业普遍热门的情况下,很难申请,但决不是不可为之的! ******************************** CalTech CalTech URL: CalTech的CS很小,只有大约5位教授,每年招很少的学生。虽然申请CalTech是免费的,但建议轻易不要尝试。(也别让我这话给吓趴下了) 由于系太小,CalTech 好象只是在计算机硬件,和科学计算的可视化方面很强。该系多年以来一直稳坐 NO.11,12几乎没动过窝, 类似的情况 还有斯坦福、MIT,稳居NO.1,2, Cornell稳居NO.5, UW-Madison, 稳居 No.9,10.CalTech的CS和其他系,比如数学,物理,生物等需要大量科学计算的部门联系很紧密。 CalTech 学校也很小,2000名学生中研究生占1100人。 Faculty人数也不多,但几乎个个是巨牛,按平均水平看,CalTech 可能是世界上最牛的学校了。偶好象就没见到来自大陆的学子在该系,可能是偶孤陋寡闻吧。 这是一个实力相当强劲的CS,软件(8),数据库(4),AI(9) 三个专业都挤进了前10********************************URL: 历史上UCLA的CS曾经一度辉煌,上到过第6 (NRC'82),但近年来一直徘徊在13-15。而且CS的各个专业细目几乎没有一个能进前10。尽管如此,UCLA的CS还是十分强大的。 UCLA辉煌的历史可能在于它对Internet的发展,所作出的巨大贡献。六十年代美国的 ARPA在搞网络互连的开创性研究, ARPA网的四个节点是:UCLA,Stanford 的 SRI,UCSB 和 U. of Utah。 此时一位来自美国新英格兰地区的青年: Vinton Cerf不去离家咫尺的 Yale大学,远涉千里,来到了加州。他先在Stanford获得数学学士,然后到UCLA拿下了CS 的硕士和博士。 毕业后Cerf一直在SRI从事ARPA网的研究,特别是如何让它无法正常工作。几年后,Cerf与MIT的一位到业界闯荡的数学教授Kyhn合作研发,搞出了一套软件系统用于网络互连(1973)。这就是TCP/IP协议的诞生。 UCLA 作为 INTERNET 的先驱,地处阳光灿烂的南加州,应当成为CS学生的乐土。加州的学校的确难申请,但也是可以一试的。 UCLA有学生33000人,其中研究院的占 9900人。地处落杉矶的 UCLA,周围几乎有玩不尽的地方,DISNEY,HOLLYWOOD……由于位于大城市, 校园不是很大,但风景似乎非常美丽。UCLA的CS较大,规模应该和 U. of Washington 和 UW-Madison类似。******************************** U. of Michigan U. of Michigan URL: U. of Michigan是个非常了不起的学校。在BIG TEN里,从综合的角度上说它可算的上是领头羊了,当然UW-Madison,UIUC 也紧随其后。 这里的CS偏硬的更利害些,硬件排在第9,而计算机工程(7),EE(5) 都是前10中的巨牛。 MICHIGAN 的 CS 和EE合在一起称为 EECS系。是个相当大个的系,每年招的学生当不在少数。 MICHIGAN的CS估计在历史上也相当牛,UW-Madison CS里的两位来自umich的教授都是院士,在其他CS系里,比如UIUC的,也大有UMICH的牛人在。如前述,UIUC的CS在硬件上极强,而UMICH的CS中有许多UIUC的哥们在那里当老师。 ******************************** GIT GIT URL: GIT是个较大的学校,具体数字记不清了。GIT的工程院很利害,研发经费仅次于MIT,和UIUC, Umich差不多。CS系的数据库第7,GUI第4。其他没有列在前10,偶也没有去仔细了解过,就一概的不清楚了。 ******************************** Brown Brown URL: Brown的规模不大,具体数字记不清了。这所 IVY LEAGUE 的私立学校可能拥有一些类似于CORNELL的优势。CS的GUI可以列在NO.6,好象还有许多关于语音识别等偏人工智能方面的研发项目。 ******************************** Harvard Harvard URL: 在CS的早期发展史上,Harvard曾经是泰斗级的人物,毕竟CS和数学,物理的渊源太深太长了。可惜Harvard并不重视工程化的东西,现在伊的CS已不能和圈里的巨牛,甚至伊的当初相提并论了。好象王安是这里出来的,Bill Gates也是这里出来的,Harvard毕竟是Harvard,总是名人辈出。毕竟Harvard总是可以招到最优秀的人,甚至是在它很瘪的领域里。但千万别以为哈佛人人牛。据说美国人的调侃中,专门有一条是说哈佛的某些学生是如何令人叹为观止的愚蠢……偶还没有身在美国,不知是真是假。 Harvard不喜欢带工程色彩的东西,CS 是挂在Arts & Science学院下面的Division of Engineering and Applied Science,连独立的一个系好象都不是。除了理论可以排进前10,其他项目怕也拿不出多少货色了。 但是,如果给我一次机会的话,我一定申请Harvard。因为这里是Harvard,你可以学到许多在别的地方难以学到的东西。专业知识并不是全部,况且哈佛的教育是不会差的,虽然它在CS 的科研上没什么好吹的。哈佛的研究生每年超过 20000$ 的FELLOWSHIP是你安心寒窗苦读的强大后盾。 哈佛大学学生18000人,其中研究生院的11000人。Harvard大学拥有世界上最多的诺贝尔奖得主,150多个美国国家科学院院士……哈佛是个巨牛云集的超级牛圈。哈佛的 CS 估计不会是个大个子, 招的学生可能也不会多,申请的难度应当很大。 ******************************** Purdue Purdue URL: 可能许多人还不知道,Purdue 的计算机系是美国最早成立的计算机系。建系之初一直处于TOP10。在70年代由于本人不甚了解的原因,没落了。Purdue的排名也不太稳定从13到 30的排法偶似乎都见过。Purdue是个大个的学校,有35000学生。其工程院很出名。 ******************************** Rice Rice URL: Rice是个位于休斯顿的小学校, 4000个学生,研究生有1600左右吧。CS也不大。优势在于软件,排在第9。别的情况偶不了解,但偶特别想告诉大家的是,该系的 KEN KENNEDY是个巨牛的人物。伊是美国 HPCC 常委的关键人物之一,好象还是总统在信息科学方面的特别顾问。KENNEDY是并行计算领域的大牛牛。前几年,伊义无反顾地承担起高性能 FORTRAN 语言(HPF)的编译器研制工作,项目之大,投入人力之巨,加上伊的权威地位,被人们普遍寄予厚望。可惜后来项目失败了。从此并行计算界陷入了一阵低潮。这几年 KENNEDY 好象转向去作针对特定处理器的后端优化技术了。Rice CS 学生的出路相当好。 ******************************** YALE YALE URL: YALE 曾经也进过前 10,NRC'82 的排名上,是 YALE和 UCLA而不是 Princeton和UT-Austin 位于前 10 的榜上。YALE的 CS不大,十几个老师加上为数不多的学生,每年只招六个博士研究生。 和 Harvard这样很重文理的学校一样,YALE 的CS在理论上比较强。但不同于哈佛,YALE有独立的CS系,受到较高的重视。YALE-CS 在 AI,软件方面比较强。著名的 LINDA 并行编程模式是在这里提出并实现的。YALE 的毕业生中到学术界的比到业界的似乎要多,哈佛似乎也是这样。 这里只随便罗列了一些俺顺口拈来的东西,仅供参考。其实 CS其他很好的学校还有很多,比如: UCSD,USC,Columbia,UNC-CH,DUKE,U. of Penn等等。 Columbia在AI,语音识别,自然语言处理等方面颇有造诣,而北卡: U. of North Carolina at Chapel-Hill 和 U. of Utah方面则是顶级牛校。

相关百科

热门百科

首页
发表服务