史忠植的研究方向

发布网友发布时间：2022-05-22 07:13

共1个回答

热心网友时间：2024-03-07 06:34

一、智能主体
本方向要针对我国软件产业发展的需要，从建立分布式智能和分布式应用系统集成的目标出发，在理论创新的基础上，发展公共主体请求代理体系机制CARBA，研究面向主体软件工程方法，开发具有自主版权的目标产品“多主体环境 MAGE”。主要研究内容包括：
（1）理性主体的认知模型和多主体的协调策略；
（2）面向主体的软件工程方法；
（3）主体技术实用化研究方面。
该方向主要应用领域包括：电子商务，数字图书馆，移动计算，群体智能决策支持系统，以及CSCW。
二、机器学习
主要研究内容包括：
（1）学习算法：归纳学习、范例学习、贝叶斯网路、粗糙集、模糊集、支持向量机、关联规则、遗传算法、解释学习
（2）开展感知学习、主动学习和内省学习；
（3）多策略通用数据挖掘工具MSMiner。
三、语义网格和知识网格
语义网格和知识网格是在异构的、动态的虚拟组织环境下，提供有效的知识服务和共享，通过自治计算（Autonomic Element）、协作解决用户需要解决的问题，满足用户的需求。主要研究内容包括：
知识模型。知识模型将描述系统的知识和推理需求，包括领域知识、推理知识和任务知识。
通信模型。通信模型将描述系统之间或系统与用户之间的需求和接口。
知识获取。研究适合高维、海量、异构、不完全、半结构化数据挖掘的有效方法和算法。
知识组织。研究通过概念语义空间进行知识组织，以期获得快速检索和高的查准率。
服务管理。面向用户服务的模式和协议。
四、自主计算
IT系统拥有自我调节能力而无需人为的过多干预呢，这就是自主计算的思想——将复杂性嵌入到系统设施本身，使用户觉察不到复杂性，只需发号施令而不必关心系统执行命令的具体过程。这意味着，系统本身能够自主运行，并自我调整以适应不同的环境。自主计算即得名于人体的自主神经系统，但它们的重要差异在于，人体做出的很多自主决定是不自觉的，而计算机系统的自主计算组件则遵循人所下达的命令。自主计算也不同于人工智能，虽然后者在某些方面对其有借鉴意义。自主计算并不将模仿人类思维作为主要目标，而是具有适应动态变化环境自我管理能力。主要研究内容包括：
自我配置。使PC可以在无人参与的情况下自动安装应用程序，可用于包括IBM或其他品牌PC的混合环境；系统移植助理则通过保存用户的设置，使用户特殊的数据、应用以及个人设置从旧系统向新系统转移时更容易。
自我恢复。它能使PC用户快速、轻松地实现文件数据乃至应用程序和操作系统本身的恢复。
自我优化。软件可以让用户轻易地在多种有线或无线的网络中切换，而不必操心网络连接时的设置变更过程。
自我保护。利用系统集成的安全芯片和客户安全软件，提供了同时基于软硬件的保护措施。
五、认知信息学
1 神经计算
侧重研究神经网络变换、神经场计算理论、信念神经网络模型的学习理论、基于前馈动力学神经网络的联想记忆模型、基于遗传算法的神经网络算法、神经近似逻辑、思维模型等。取得的研究成果如下：
提出了以指数函数为隐单元激发函数的指数神经网络模型。
研究了变换神经网络的竞争学习问题，提出了适应频率竞争学习算法，推广了 K--中心聚类算法，从而部分地解决了全局等概率性问题。
提出了神经场计算的理论框架，用平坦流形上单形、复形的概念和理论来作为神经网络模型结构的表示和编码机理，通过复形结构的边缘链结构分解，形成了对于神经网络层次化，功能模块化的组织结构、定位机理的认识。
提出了在非线性空间和非欧氏空间中基于整体结构*近的学习理论框架，在此基础上分别提出了对偶校正学习算法（DCL）和基于拓扑结构*近校正学习算法（ TAC）。
提出了一种神经近似逻辑，该逻辑能很好地描述神经网络。神经近似逻辑不仅具有模糊的逻辑值，而且逻辑运算符也是模糊的。
连接专家系统。
2 学习的认知机理
3 环境认知
六、信息检索
基于内容的图象信息检索系统MIRES。
智能搜索引擎GHunt