人工智能学术论文

人工智能与机器人期刊上的专业文献不知道有没有你这类课题的研究，你可以通过关键词去检索下相关文献参考参考哈

人工智能与机器人研究这本期刊的领域，你可以参考下：智能机器人、模式识别与智能系统、虚拟现实技术与应用、系统仿真技术与应用、工业过程建模与智能控制、智能计算与机器博弈、人工智能理论、语音识别与合成、机器翻译、图像处理与计算机视觉、计算机感知、计算机神经网络、知识发现与机器学习、建筑智能化技术与应用、人智能其他学科

史蒂芬·霍金最近发出警告：“一旦人工智能发展到完整的程度，人类的终结也就到了。”伊隆·马斯克则担心人工智能的研发有可能是人类存亡的最大威胁。连比尔·盖茨也敦促大家要小心。人一手创造的怪物，会不会反过来奴役人？这种畏惧很早就有了。但就在微软、谷歌竞相投入巨资研发人工智能之时，名气响当当的宇宙学家、硅谷创业家和微软创始人却分别说出这样的忧虑，这份忧虑就有不同的份量——要注意，他们三位可不是反对或排斥工业化、新技术的人。今天，一个人的口袋里装着的可能就是一部超级计算机，战场上杀出来的可能是机器人，如果把那份忧虑简单地当是异想天开，也是有些自欺欺人。问题在于，如何避免过犹不及？首先，我们要搞清楚，计算机现在已经具备了哪些能力，而在将来又会增加哪些能力。凭借处理能力的增强以及数据资料的增多，人工智能正处于快速发展的阶段。今天，深度学习（deep learning）系统能模仿人脑的神经元层，处理海量的数据，自己教自己如何去执行一些任务，譬如识别和翻译，做得几乎跟人一样好。结果，一些一直需要人脑参与的事情，大到解读图象，小到玩街机经典《青蛙过河》，现在也属于电脑程序能做的范围里了。Facebook在2014年发布了名为DeepFace的算法。这个算法可以识别相片里的人脸，准确率达到97%。但必须注意的是，这些都是应用于某一具体领域狭隘的能力。目前的人工智能是通过“残暴”的数据处理能力，来达到与人脑智力的“形似”，但至于如何模仿人的自主性、喜恶和欲求，成果则很少。电脑还做不到随心所欲地思辨、判断以及选择，而这些都是人类智力的特征。但与此同时，人工智能已经可以给人类生活带来巨大的改变。人工智能现在已经能辅助人类，为人做的事带来助益。国际象棋便是一例。现在电脑可以下赢任何一个人。不过，当今世界上最强的棋手并不是电脑，而是人与算法一起合力的团队。这样的团队组合将延伸至人类其它的活动：医生有了人工智能的支持，从医疗图像中查出癌症的能力将大大增强；有了智能手机上装的语音识别软件，发展中国家读写能力欠佳的人便能更好地使用互联网；做学术研究时，数字助理可以建议你哪条假设更有机会成立；有了图像分类算法，可佩戴设备对着肉眼看到的真实世界“加上”有用的标注。但也不是每个方面的效益都是正面的。譬如，无论是对民主国家还是专制国家而言，人工智能都是监管人民的利器。有了人工智能，政府便可以监听数以亿计的对话，在人山人海中根据声音或样貌特征轻而易举地找出它要找的人。这就对自由造成了严峻的威胁。尽管整个社会可以获得很多益处，但很多人会因为人工智能而处于劣势。在计算机诞生以前，给老板计算数字的苦活常是由妇女来做，后来这些职位就让晶体管占据了。同样，人工智能将来很有可能会让整个白领阶层捡包袱走人。虽说教育和培训有助打工者适应这个变化，且人工智能带来的新财富会进入新的行业从而产生新的工种，但打工者依然难免经历颠簸。但霍金、马斯克、盖茨他们担心的并不是监控和颠簸的问题。他们担心的是近期好莱坞电影里的场景：自动化机器拥有了比人类更灵敏的认知能力，拥有了与肉身的人冲突的利益观。这样的人工智能产品离我们还遥远得很，甚至可能永远也造不出来。无论是心理学家、神经学家、社会学家还是哲学家，在对着人脑东敲敲西敲敲地研究了一个世纪后，依然没搞清楚人的思维是怎么回事，更不要说仿造出一颗人脑。假如机器拥有自己的利益观和自主能力，即使这机器的智能不完整，只能用于某个用途，也绝非代表我们就可以放心使用：无人车跑起来比人开还好，这听起来挺赞的，但要是车有自己想去的地方，听起来可就不太妙。虽然我们离霍金所说的“完整的”人工智能还很远，但现在就开始思考如何应对到时的情况，也是谨慎之举。“超人”又“自治”的东西，人类不早就创造过了吗？官僚体制、市场、军队，这些都是，这些都帮助人类做到没有辅助、组织时做不到的事情；这些都能自主运作，而且如果不加法规管理，都会造成巨大的祸害。这些相似的事物或许可以令人工智能的持疑派放心一些。这些事物也喻示了人类社会如何可以安全地研发人工智能。军队需要文官管理，市场需要监管，官僚需要问责、透明；同理，人工智能系统也必须接受监督。由于系统的设计者无法预见所有的情形，还必须要有危急时刻拉闸中断的设置。加入这些限制并不会妨碍进步。大到核弹，小到交通规则，这些都证明人类曾成功运用技术和法律手段去管理威力强大的创新。

随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。以下是我整理分享的人工智能神经网络论文的相关资料，欢迎阅读!

人工神经网络的发展及应用

摘要随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。人工神经网络的发展经历了不同的阶段，是人工智能的重要组成部分，并且在发展过程中形成了自身独特的特点。文章对人工神经网络的发展历程进行回顾，并对其在各个领域的应用情况进行探讨。

关键词人工神经网络;发展;应用

随着科学技术的发展，各个行业和领域都在进行人工智能化的研究工作，已经成为专家学者研究的热点。人工神经网络就是在人工智能基础上发展而来的重要分支，对人工智能的发展具有重要的促进作用。人工神经网络从形成之初发展至今，经历了不同的发展阶段，并且在经济、生物、医学等领域得到了广泛的应用，解决了许多技术上的难题。

1人工神经网络概述

关于人工神经网络，到目前为止还没有一个得到广泛认可的统一定义，综合各专家学者的观点可以将人工神经网络简单的概括为是模仿人脑的结构和功能的计算机信息处理系统[1]。人工神经网络具有自身的发展特性，其具有很强的并行结构以及并行处理的能力，在实时和动态控制时能够起到很好的作用;人工神经网络具有非线性映射的特性，对处理非线性控制的问题时能给予一定的帮助;人工神经网络可以通过训练掌握数据归纳和处理的能力，因此在数学模型等难以处理时对问题进行解决;人工神经网络的适应性和集成性很强，能够适应不同规模的信息处理和大规模集成数据的处理与控制;人工神经网络不但在软件技术上比较成熟，而且近年来在硬件方面也得到了较大发展，提高了人工神经网络系统的信息处理能力。

2人工神经网络的发展历程

萌芽时期

在20世纪40年代，生物学家McCulloch与数学家Pitts共同发表文章，第一次提出了关于神经元的模型M-P模型，这一理论的提出为神经网络模型的研究和开发奠定了基础，在此基础上人工神经网络研究逐渐展开。1951年，心理学家Hebb提出了关于连接权数值强化的法则，为神经网络的学习功能开发进行了铺垫。之后生物学家Eccles通过实验证实了突触的真实分流，为神经网络研究突触的模拟功能提供了真实的模型基础以及生物学的依据[2]。随后，出现了能够模拟行为以及条件反射的处理机和自适应线性网络模型，提高了人工神经网络的速度和精准度。这一系列研究成果的出现为人工神经网络的形成和发展提供了可能。

低谷时期

在人工神经网络形成的初期，人们只是热衷于对它的研究，却对其自身的局限进行了忽视。Minskyh和Papert通过多年对神经网络的研究，在1969年对之前所取得的研究成果提出了质疑，认为当前研究出的神经网络只合适处理比较简单的线性问题，对于非线性问题以及多层网络问题却无法解决。由于他们的质疑，使神经网络的发展进入了低谷时期，但是在这一时期，专家和学者也并没有停止对神经网络的研究，针对他们的质疑也得出一些相应的研究成果。

复兴时期

美国的物理学家Hopfield在1982年提出了新的神经网络模型，并通过实验证明在满足一定的条件时，神经网络是能够达到稳定的状态的。通过他的研究和带动，众多专家学者又重新开始了对人工神经网络方面的研究，推动了神经网络的再一次发展[3]。经过专家学者的不断努力，提出了各种不同的人工神经网络的模型，神经网络理论研究不断深化，新的理论和方法层出不穷，使神经网络的研究和应用进入了一个崭新的时期。

稳步发展时期

随着人工神经网络研究在世界范围内的再次兴起，我国也迎来了相关理论研究的热潮，在人工神经网络和计算机技术方面取得了突破性的进展。到20世纪90年代时，国内对于神经网络领域的研究得到了进一步的完善和发展，而且能够利用神经网络对非线性的系统控制问题进行解决，研究成果显著。随着各类人工神经网络的相关刊物的创建和相关学术会议的召开，我国人工神经网络的研究和应用条件逐步改善，得到了国际的关注。

随着人工神经网络的稳步发展，逐渐建立了光学神经网络系统，利用光学的强大功能，提高了人工神经网络的学习能力和自适应能力。对非线性动态系统的控制问题，采取有效措施，提高超平面的光滑性，对其精度进行改进。之后有专家提出了关于人工神经网络的抽取算法，虽然保证了精度，但也加大了消耗，在一定程度上降低了神经网络的效率，因此在此基础上又提出了改进算法FERNN。混沌神经网络的发展也得到了相应的进步，提高了神经网络的泛化能力。

3人工神经网络的应用

在信息领域中的应用

人工神经网络在信息领域中的应用主要体现在信息处理和模式识别两个方面。由于科技的发展，当代信息处理工作越来越复杂，利用人工神经网络系统可以对人的思维进行模仿甚至是替代，面对问题自动诊断和解决，能够轻松解决许多传统方法无法解决的问题，在军事信息处理中的应用极为广泛[4]。模式识别是对事物表象的各种信息进行整理和分析，对事物进行辨别和解释的一个过程，这样对信息进行处理的过程与人类大脑的思维方式很相像。模式识别的方法可以分为两种，一种是统计模式识别，还有一种是结构模式识别，在语音识别和指纹识别等方面得到了广泛的应用。

在医学领域的应用

人工神经网络对于非线性问题处理十分有效，而人体的构成和疾病形成的原因十分复杂，具有不可预测性，在生物信号的表现形式和变化规律上也很难掌握，信息检测和分析等诸多方面都存在着复杂的非线性联系，所以应用人工神经网络决解这些非线性问题具有特殊意义[5]。目前，在医学领域中的应用涉及到理论和临床的各个方面，最主要的是生物信号的检测和自动分析以及专家系统等方面的应用。

在经济领域中的应用

经济领域中的商品价格、供需关系、风险系数等方面的信息构成也十分复杂且变幻莫测，人工神经网络可以对不完整的信息以及模糊不确定的信息进行简单明了的处理，与传统的经济统计方法相比具有其无法比拟的优势，数据分析的稳定性和可靠性更强。

在其他领域的应用

人工神经网络在控制领域、交通领域、心理学领域等方面都有很广泛的应用，能够对高难度的非线性问题进行处理，对交通运输方面进行集成式的管理，以其高适应性和优秀的模拟性能解决了许多传统方法无法解决的问题，促进了各个领域的快速发展。

4总结

随着科技的发展，人工智能系统将进入更加高级的发展阶段，人工神经网络也将得到更快的发展和更加广泛的应用。人工神经网络也许无法完全对人脑进行取代，但是其特有的非线性信息处理能力解决了许多人工无法解决的问题，在智能系统的各个领域中得到成功应用，今后的发展趋势将向着更加智能和集成的方向发展。

参考文献

[1]徐用懋，冯恩波.人工神经网络的发展及其在控制中的应用[J].化工进展，1993(5)：8-12，20.

[2]汤素丽，罗宇锋.人工神经网络技术的发展与应用[J].电脑开发与应用，2009(10)：59-61.

[3]李会玲，柴秋燕.人工神经网络与神经网络控制的发展及展望[J].邢台职业技术学院学报，2009(5)：44-46.

[4]过效杰，祝彦知.人工神经网络的发展及其在岩土工程领域研究现状[J].河南水利，2004(1)：22-23.

[5]崔永华.基于人工神经网络的河流汇流预报模型及应用研究[D].郑州大学，2006.

下一页分享更优秀的<<<人工智能神经网络论文