人工生命_计算机与生物学相遇的前沿
参考文献
[1]John R.W ilson ,V irtual env ironm ents and er g on om ics :
needs and o pp ortunities ,Er g on om ics[J ],1997,40(10):
1057～1077
[2]Valerie N.&C athleens S.,S p acefli g ht[M],sm ithsonian
G uide ,m acm illian U.S.A ,1996:25～35[3]Ve g a Pro g ram er’s G uide for W indows NT and W indows
2000[M],Version 3.5,M ulti G en -Paradi g m Inc.,2000.6:93～98
[4]Anth on y R.,Hum an -centered com p utin g for NAS A Aero 2nautics and s p ace p ro g ram ,[C]Proceedin g s of the IE A 2000/HFES 2000con g ress :12244～12247
[5]Liale y K .,V irtual realit y and tele p resence a pp lications in
s p ace robotics[J ],v irtual realit y s y stems ,1993,11(2):
50～56
[6]M ark D.,Er g on om ic considerations in launch desi g n and
p rocessin g for o p erational efficienc y [C],Proceedin g of 31
st
international s p ace con g ress ,F lorida ,U.S.A ,1994.4:7235～7241
[7]G ill S.and Ruddle R.,Usin g v irtual hum ans to solve real
er g on om ic desi g n p roblems[C],p roceedin g of the 1998in 2
ternational con ference on simulation ,VENUE ,UK,1998:223～239
[8]Dallenbach K .M.,T he hum an role in m anned s p ace[J ],
Acta Astronautica ,1995,36(4),217～229[9]Adam R.Brod y ,S p ace o p erations and hum an factors[J ],
Aeros p ace Am erica ,1993(10),19～21[10]M aur y .Evaluation of artificial netw ork m odellin g to p redict
torso muscle activ it y [J ],Er g on om ics ,1996,36(12),
1430～1444
[11]R.p eec y ,J.S eastrom ,New trends in s y stem safet y and risk
m ana g em ent in international m anned s p ace p ro g rams[C],
47th Internatonal astronautical con g ress ,October 7211,1996,Bei j in g ,China ,1～6
[12]Ja y aram S.and C onnac j er I ,V irtual Assembl y Usin g V ir 2
tual Realit y T echni q ues[J ].C om p uter Aided Desi g n ,1997,29(8):558～565[13]Ste p hen M ,Jarrett C.v irtual Realit y at NAS A/G oddard
S p ace F li g ht C enter[J ].C om p uter G ra p hics ,N ovember
1996:438～446
(责任编辑王宏章)
高技术
李建会
(北京师范大学哲学系,博士、副教授
北京100875)
人工生命:计算机与生物学相遇的前沿
Arti ficial Li fe :Forward Po sition of Co mbination of Cum p uter and Biolo gy
创造生命可以说是人类自古以来的梦想。古代的神话几乎无例外地都把生命看作是由神从无生命的物质中创造出来的。如果说神话最早反映了生命可以从无生命物质创造出来的人类理想的话,那么,从近代开始,人们则试图实际地用机械的方式创造生命。1735年,一位名叫雅克?沃肯森的人曾经制造了一个人造鸭子,这鸭子不仅看上去像鸭子,而且还能像鸭子一样在水面上拍打翅膀、叫、吃食、饮水、消化,甚至能排泄出一粒粒人造食物。它是一件做工极其复杂的杰作,仅一只翅膀就由400个机械零件组装而成。虽然如此,但是在生命的本质还没有得到充分了解以及人们的制造技术还很落后的情况下,人们能创造的,充其量只是类似迪斯尼公园里的一些古怪的生命模拟物而已。然而,从20世纪中叶开始,生命科学和计算机科学的发展,为我们提供了全新的理论和工具。人工生命不再是几个有强烈好奇心的人的业余爱好,而是一些严肃的科学家基于计算机和生命的原理正试图实
现的目标了。
一、人工生命思想的萌芽和主要思想
现代人工生命思想的萌芽可以追溯到20世纪
中叶计算机专家阿兰?图灵和约翰?冯诺伊曼的工作。图灵证明生物的胚胎发育可以用计算的方法加以研究。冯诺伊曼则试图用计算的方法描述生物自我繁殖的逻辑形式。
到了70年代和80年代,随着电脑速度的大幅度提高以及个人电脑的普及,在康韦、沃弗拉姆等人有关“生命游戏”研究的基础上,克里斯?兰顿发现,处于“混沌的边缘”的细胞自动机既有足够的稳定性存储信息,又有足够的流动性来传递信息。当他把这种规律与生命和智能联系起来时,他认识到,生命或者智能很可能就起源于“混沌的边缘”。于是兰顿的脑海中浮现出一个崭新的思想:如果我们在计算机中建立起产生“混沌边缘”的一定规则,
那么,从这些规则中就有可能浮现出生命来。由于这种生命不同于地球上以碳为基础的生命,因此兰顿把它称为“人工生命”。
兰顿关于“混沌的边缘”和人工生命的想法得到了美国洛斯阿拉莫斯非线性研究中心的专家多伊恩?法默的赞赏,在他的支持下,兰顿筹备了1987年9月的第一次国际人工生命会议。这次会议的成功召开标志着人工生命这个崭新的研究领域正式诞生。
根据兰顿的说法,“人工生命是研究展示自然生命系统特征的人工系统”,它主要通过综合的方法,即自下而上的方法研究生命。人工生命并不特别关心我们已知道的地球上的特殊的以水和碳为基础的生命,这种生命是“如吾所识的生命”(life-as-w e-know-it),是传统的生物学的研究主题。人工生命研究的则是“如其所能的生命”(life-as-it-could-be)。
生命最本质的东西是它存在的形式,因此如果我们能够从具体的生命当中抽象出控制生命的逻辑,并且能够在另外一种物质中获得相同的逻辑,我们就可以创造出基于不同材料的另外一种生命。今天的生物学仅仅是关于“如吾所识的生命”的生物学,我们只有在“如其所能的生命”的广泛内容中去考察“如吾所识的生命”,才会真正理解生物的本质。因此,生物学必须成为任何可能出现的生命形式的生物学。人工生命的最终目标就是创造出真正具有活性的生命———人工生命。
二、T ierra:人扮演上帝
1990年是人工生命发展的又一个不平凡的一年,美国热带雨林专家托马斯?雷(T h om as Ra y)编写的T ierra(西班牙语意为地球)模型轰动了整个人工生命界。T ierra的不平凡之处不仅在于它第一次是由一个生物学家设计的,而且还在于雷第一个宣称,他的“地球”(T ierra)上的“生物”事实上就是“活的”。他不无自信地说,“创造生命其实很容易”。他把他的模型命名为“地球”,其意就是表明,人们已经在扮演上帝,开始了第二次创世纪!
雷在编写他的模型时,与大多数人工生命的模拟研究不同,他的目标不是直接模拟自然的生命,而是制造出完全不同于在我们周围看得见的生命形式。他打算让这些生命形式在它们的计算机硅环境中演化,产生自己独有的种系。
一般地说,生命都具有新陈代谢、复制和进化的能力。在自然界中,生物是由有限的食物供给和有限的生存空间约束的;有机体在获取食物和复制上的效率越低,它的适应就越差,它传递到下一代的机会就越少。在T ierra中,“生物”由一系列能够自我复制的机器代码或程序组成,它在计算机中的复制分别受到计算机的存储空间和CPU时间约束。能有效地占有内存空间和利用CPU时间的生物体,将具有更高的适应度,传递到下一代的机会就越大。
T ierra的祖先有机体包含80个汇编程序指令,包括一个扩展的代码,其中有产生子代有机体的方法。因为每一个由汇编程序指令编码的行动具有一定的执行错误的概率,因此进化是可能的。为了避免快速复制的有机体迅速填满所有可用的内存空间,T ierra包含一个“收割器”功能,以模拟自然“死亡”。一旦群体达到某一临界水平,“收割器”就开始消灭有机体。事实上,有机体一出生,它就进入收割器队列。当收割器功能判定到了要求有牺牲者的时候,它总是清除队列前面的有机体。产生错误的有机体被提到队列的前面,而能有效完成行动的有机体则被拉回来,因此延长了它们的生命。
雷在运行它的T ierra时吃惊地发现,他的电子世界的的确确生出许多“生物”,显示出一个令人目眩的结构与活动序列。开始时只有一个祖先生物,但经过526万条指令的计算之后,与寒武纪相仿的生命大爆发在区区数小时内发生了。这时,在T ierra 虚拟世界中游动的是366种不同大小的生物(雷把它们解释为不同的“物种”)。在运行25.6亿条指令后,1180种不同大小的生物产生了。在新产生的生物中,不但出现了一些寄生生物,而且也出现了超寄生生物(靠其它寄生者生活的寄生者),甚至超—超—寄生生物。与真实世界中的生命演化类似, T ierra生物中最终还产生了对寄生生物具有免疫能力的生物。T ierra中也演化出了一些长期进化的特征。间断平衡这种现象(即在很长时间内进化发生得非常缓慢,但是却又常常发生急剧的进化,结果在相对短暂的时候内产生许多新的物种)在T ierra 模型中也被观察到。另外,在T ierra世界中甚至还可能演化出社会组织。
总之,自然演化过程中的几乎所有特征,以及与地球生命相近的各类功能、行为、组织,全都出现在T ierra中。并且,生物系统所具有的高度的复杂性也出现在演化生物高度发达的行为中。在T ierra中,开始时互相不交流的生物后来也发现了互相利用以及避免被利用的方法。
需要说明的是,雷的实验是限制在单个的计算机中的,由于这台计算机的CPU和内存已规定了T ierra的边界,因此可能产生的演化生物的种类势必受到了一定程度的限制。雷已经提出在国际互联网上建立T ierra,这样就可以将网上计算机中闲置的空间,作为T ierra资源的一部分加以利用。雷期望在这种新的条件下,他创建的祖先生物会演化出更多的物种并产生出更多的存活和繁殖策略。
三、Anim at:机器人版本的人工生命
雷研究的主要是在计算机的硅环境中创造出新的生命形式的可能性,这种人工生命观念被称为“虚拟(v irtual)版本的人工生命”。另一种版本的人工生命认为,可以利用计算机和非有机物质在现实的物理世界中创造出具体的、具有真正生命的人工生命。这种版本的人工生命又被叫做“现实的(real)人工生命”,或“机器人版本的人工生命”。机器人版本的人工生命并不仅仅研究机器人,而且还研究机器动物,所以,有的人工生命研究者又把这种版本的人工生命称作英语“动物”词干打头的Anim at。当然,由于现代研究离不开计算机模拟,所以对Ani2 m at的研究很多情况下是在虚拟环境中进行的。虽然机器人的研究很早就已开始,但在人工生命新的视野下的Anim at研究,却仅仅是刚刚开始,它存在许多尚待解决的问题,这些问题也是人工智能研究者所关注的问题。比如,哪一种表示方法可以使T ierra具有学习和自适应能力?怎样才能使Anim at 产生进化?哪一种表示方法可以接近实际的感知和认识?等等。
2000年是人工生命发展的又一个重要年份。这一年,美国布兰代斯大学的赫德?利普林和乔丹?波拉克等人在英国《自然》杂志上发表文章,声称他们研究出了一种可进化的人工生命———可进化机器人(见本期封二示意图,以及“可进化机器人的3个演化结果图”)。他们先在计算机上设计出简单的、不会活动的机器人模型,其身体由硬杆、传动装置、球状关节和电路组成;然后他们为机器人设定“进化”程序,使得计算机能每隔一段时间自动对设计模型进行一些修改,这相当于生物进化的基因变异。“变异”产生的新模型中最灵活的被保留下来继续“进化”,不灵活的则被去除掉,这相当于生物进化的自然选择过程。经过几十代的“进化”,最灵活的机器人模型已经能够做一些简单动作。几百代“进化”之后,计算机选择了最成功的几种模型,并控制自动生产机械按模型制造出机器人。这些机器人由热塑材料制成,身长仅20厘米,结构简单。它们只会以爬或跳的方式移动,达不到科幻小说里智能机器人的水平,连清扫屋子等简单的劳动也干不了,但这已是一项重要的突破。利普森和波拉克等科学家认为,他们的新成果为机器人设计提供了新思路,有望大大降低机器人设计成本,提高机器人对工作环境变化的适应能力。
制造机器人的一个重要目标是提高它们的适应能力,或曰智能。目前,在一些机器动物和机器人专家看来,限制机器生物和机器人智能提高的主要问题出自硬件。比如,机器人专家汉斯?莫里维克
(H ans M oravec)在《科学美国人》1999年第12期的一篇名为“机器人的兴起”的文章中认为,要使计算机具有与人类相当的大脑,计算机必须有足够高的处理速度。通过比较和计算,他认为,要模拟1500克重的人脑的活动,普通计算机的功能至少必须提高100万倍以上。按当前计算机的发展速度,填平计算机与人脑之间的鸿沟只需30年到40年的时间。他说:在2010年,我们将创造出第一代“通用机器人”(运行速度为5000MIPS),它的智力将与蜥蜴相当,能被用来做任何简单的杂务;第二代通用机器人将具有老鼠的智力(运行速度为10万MIPS),能完成第一代通用机器人无法处理的工作,并可以接受训练;第三代机器人的智力与猴子相当(运行速度为500万MIPS),能够通过学习迅速领会周围环境;第四代通用机器人(速度为1亿MIPS)将与人的智力相当,具有进行抽象归纳的能力。因此他预言说,“在不远的将来,这个延续了数十年的梦想———制造出功能强大的通用自主机器人———将变成现实”;“到2040年,我们最终将达到最初机器人的目标,也就是科幻小说中描述的机器人:智力水平和人相当的能自由移动的机器人”;“到2050年,基于计算机的每秒执行100万亿条指令的机器人‘大脑’将开始能与人类智能竞争。”
四、走向未来
自从1987年兰顿提出人工生命的概念以来,人工生命学术界已举办了7次里程碑式的国际学术会议,这7次ALIFE会议构成了该领域发展轨迹在时间维上的重要坐标点。
人工生命被认为是走向21世纪的科学。人工生命学科的积极倡导者法默曾这样说到:“随着人工生命的出现,我们也许会成为第一个能够创造我们自己后代的生物”;“这种生物的知识和智慧将远远超过我们。当未来具有意识的生命回顾这个时代时,我们最瞩目的成就很可能不在于我们本身,而在于我们创造的生命。”虽然许多人可能不像法默这么乐观,但人工生命在21世纪肯定会有重大的突破则是毫无疑问的。
人工生命不仅仅是对科学和技术的一个挑战,而且要涉及到社会、道德、哲学和宗教信仰等很多问题。假若21世纪中叶具有智慧的人工生命果然被创造出来,那么,人工生命就会像哥白尼当年的太阳系理论那样,“将迫使我们重新审视我们在宇宙中所处的地位和我们在大自然中扮演的角色。”
参考文献
[1]刘健勤.人工生命的理论及其应用.冶金工业出版
社,1997
(下转第44页)
20);t代表年份;系数b表示单位风险投资额相对于公司R&D投入资金量对专利申请数量的影响,若b>1,表示风险投资比公司R&D投入对技术创新的影响更大,更有效率;系数ρ表示风险投资与公司R&D投入资金量之间的替代程度(ρ在[0,1]区间内取值);系数α表示随着风险投资额和公司R&D投入资金额的规模变化,专利申请数量变化的比例。采用上述专利生产函数对20个行业进行了在1965年到1992年时间区段的回归分析,分别确定了各系数的值,建立了旨在说明风险投资对技术创新影响的经验模型,得出了以下非常有价值的研究结论。
1.表示风险投资与公司R&D投入对技术创新相对影响的b值在所有行业的估值都是有意义的,而且总是正值。所有行业专利生产函数方程中b 值平均为6.2,表明同样金额的风险投资对技术创新的影响远远超过公司R&D投入。
2.在样本中最新10年的数据表明,平均而言,风险投资额仅相当于公司R&D投入资金量的2.92%。用b值的平均值和风险投资相当于R&D 投入的平均比例值代入方程计算,得出了在最新的10年内风险投资占据了约15%的行业技术创新,反映了风险投资促进技术创新的效率大约相当于公司R&D投入的5倍。
3.从上述两个结论得出的总的结论是:在美国经济中风险投资对技术创新有相当大的实质性影响,而且对于技术创新来说风险投资的投入远比公司R&D投入的投资效率要高得多。从表面上也可以看出,发生在20世纪90年代的创新潮与风险投资额的急剧上升是相对应的。
四、若干启示和结论
通过对美国风险投资和技术创新内在联系的考察与比较,可以得到以下启示和结论。
1.风险投资以其独特的投资运作机制成为资助技术创新的有效方式,比较而言,比银行部门和公司R&D投入更具优势。
2.风险投资促进技术创新的较高效率,从一个侧面反映了公司R&D的低效率,因此必须研究提高公司R&D创新效率的组织和管理问题。
3.我国应鼓励、促进风险投资业的发展,改善风险投资业的发展环境。美国风险投资促进技术创新的成功也会在我国出现。
4.小型创新企业的技术创新要与高等院校和科研院所等基础研究机构的研究以及大企业的R& D相结合,促进不同类型技术创新的发展,理顺不同类型的投资与不同类型技术创新的关系,激发技术创新潮流的形成。
参考文献
[1]俞自由,李松涛,赵荣信.风险投资理论与实践,上海
财经大学出版社,2001
[2]Acs,Z.J.and D.B.Audretsch,1991,R&D,F irm S ize and
Inn ovative Activ it y,in:Acs,Z.J.and D.B.Audretsch (eds.),Inn ovation and T echn olo g ical chan g e,N.Y., pp.39259
[3]Lam p el,J.,R.M iller,and S.F loricel,1996,In form ation
As y mm etries and T echn olo g ical Inn ovation in Lar g e En g i2 neerin g C onstruction Pro j ects,R&D M ana g em ent26:4,
pp.3572369
[4]A g hion,P.and J.T irole,1994,T he m ana g em ent of inn ova2
tion,T he Quarterl y Journal of E con om ics,pp.118521209 [5]Arm our,H.O.and D.J.T eece,1979,Vertical Inte g ration
and T echn olo g ical Inn ovation,Rev iew of E con om ics and Statistics,pp.4702474
[6]Anand,B.N.and A.G aletov ic,1998,W eak Pro p ert y Ri g hts
and H old-u p in R&D,CEPR,London
[7]S cherer,F.M.,1992,S chum p eter and P lausible C a p italism,
Journal of E con om ic Literature30,pp.141621433
[8]S chum p eter,J.A.,1942,C a p italism,S ocialism,and Dem oc2
rac y,New Y ork
[9]C ohen,W.M.and S.K le pp er,1992,T he Anatom y of In2
dustr y R&D Intensit y Distributions,Am erican E con om ics Rev iew82,pp.7732799
[10]Q ian,Y.and C.Xu,1998,Inn ovation and Bureaucrac y
under S oft and H ard Bud g et C onstraints,Rev iew of E co2 n om ic Studies65:1,pp.1512164
[11]K ortum.S and L.Lerner,1998,D oes Venture C a p ital S p ur
Inn ovation?N BER W orkin g Pa p er
[12]OEC D,1999,Research and Develo p m ent in Industr y
1976297(责任编辑王宏章)
(上接第8页)
[2]沃尔德罗普.陈玲译.复杂:诞生于秩序和混沌边缘
的科学.三联书店,1997
[3]Adam i,Chris(1998),Introduction to Artificial Life.S p rin g er
Verla g
[4]Boden,M ar g aret A.(1996),T he Philcso p h y of Artificia
Life.Ox ford Univesit y Press
[5]Emm eche,C laus(1994),T he G arden in the M achine:T he
Em er g in g S cience of Artificial Life,Princeton Universit y
Press
[6]Lan g ton,Christo p her G.(1989),“Artifical Life”,from Ar2
tificial Life,Chris Lan g ton,ed.SFI Studies in the S ciences of C om p lex it y,Proc.V ol.Ⅵ.Redw ood C it y,CA:Addi2 son-W esle y.Re p rinted in Boden(1996)
[7]Lev y,Steven(1992)Artificial Life:A Re p ort from the
Frontier Where C om p uters M eet Biolo gy.New Y ork,V in2 ta g e Books
[8]Li p son,H.and J.B.P ollack(2000),“Autom atic desi g n and
M anufacture of R obotic Lifeforms”,Nature,406,
pp.9742978
[9]M oravec,H ans(1999).“Rise of R obots”,S cientific Am eri2
can,Dec.,1242135(责任编辑蔡德诚)
学科前沿讲座课程报告撰写要求
中国矿业大学建筑工程学院土木工程专业学科前沿讲座课程报告 第 1 页 05-1班 姓 摘 要：☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆ ☆☆☆☆☆☆（内容小四号宋体，西文Times New Roman 字体，行距最小值18磅）☆☆☆ ☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆。 关键词：☆☆☆☆；☆☆☆；☆☆；☆☆☆ ☆☆☆☆☆（内容小四号宋体，西文Times New Roman 字体，行距最小值18磅）。 1 ☆☆☆☆（内容小四号宋体，西文Times New Roman 字体，行距最小值18磅）。☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆ 2 2.1 ☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆（内容小四号宋体，西文Times New Roman 字体，行距最小值18磅）☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆。 f f f C ?στtan ?+= （1） 式中 τf ——冻土的剪切强度，MPa ； C f ——冻土的粘聚力，MPa ； φf ——冻土的内摩擦角，°。 ☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆（内容小四号宋体，西文Times New Roman 字体，行距最小值18磅）☆☆☆☆页眉和页码，五号宋体。
计算机视觉与数字摄影测量的结合展望
计算机视觉与数字摄影测量的结合展望摘要：摄影测量在进入数字摄影测量时代就已经与计算机视觉技术紧密的联系在了一起，计算机视觉技术的快速发展给近景摄影测量带来了巨大的变革。本文分别简要介绍了摄影测量和计算机视觉技术，重点阐述了两者的异同点，最后做出总结。 关键字：计算机视觉；数字摄影测量；差异；影响匹配 1前言 摄影测量的发展经过了三个阶段，现已进入数字摄影测量阶段。数字摄影测量以数字影像为基础，通过计算机分析和量测来获取被摄物体的三维空间信息，正在成为国际公认的地球空间数据获取的重要手段[1]。数字摄影测量利用一台计算机，加上专业的摄影测量软件，就代替了过去传统的、所有的摄影测量的仪器。其中包括纠正仪、正射投影仪、立体坐标仪、转点仪、各种类型的模拟测量仪以及解析测量仪。数字摄影测量的发展，计算机不仅可以代替人工进行大量的计算，而且已经完全可能代替人眼来识别同名点，从而为摄影测量开辟了真正的自动化道路[2]。 计算机视觉是一个相对年轻而又发展迅速的领域。80年代以来，计算机视觉的研究已经历了从实验室走向实际应用的发展阶段，而计算机工业水平的飞速提高以及人工智能、并行处理和神经元网络等学科的发展，更促进了计算机视觉系统的实用化和涉足许多复杂视觉过程的研究[3]。其目标是使计算机具有通过二维图像认知三维环境信息的能力，这种能力将不仅使机器能感知三维环境中物体的几何信息，包括它的形状、位置、姿态、运动等，而且能对它们进行描述、存储、识别与理解[4]。数字摄影测量具有类似的目标，也面临着相同的基本问题。数字摄影测量学涉及多个学科，如图像处理、模式识别以及计算机图形学等。由于它与计算机视觉的联系十分紧密，有些专家将其看成是计算机视觉的分支。 2数字摄影测量与计算机视觉的差异 2.1出发点不同导致基本参数物理意义不同 计算机视觉是研究怎样用计算机模拟人的眼睛，实现机器人的视觉，它是以眼睛（摄影机）中心与光轴构成的坐标系为准，它定义的平移量是空间坐标系相对于摄影机坐标系的平移量。而摄影测量是测绘地形图的重要生产手段，它以空间（地面）统一坐标系为基准，如在一个地区进行航空摄影测量，所有摄影机的空间位置与影像的坐标都相对于该空间坐标系。因此，在摄影测量中的“外定向”是确定影像在空间相对于物体的位置与方位；而计算机视觉通常从另一个方向描述这个问题：搜索物体相对于影像的位置与方位。 2.2出发点不同导致基本公式的不同 由于物体与影像基本关系之间的差异，从而引起计算机视觉与摄影测量之间的基本公式的差异。计算机视觉与摄影测量都是研究物体与影像关系的，因此，描述三维物体与二维影像坐标之间的关系公式是它们的基本公式。计算机视觉最基本的公式用齐次坐标的投影方程表达为[5,6]：
计算机专业前沿技
《计算机前沿介绍》读书报告 ——人工智能为人类开启无限可能 随着计算机信息技术的迅猛发展，计算机技术的应用迅速渗透到社会生活的各个方面，计算机日益成为人们学习、工作和生活中不可缺少的基本工具之一，而且我也清楚地认识和感受到了随着以计算机为核心的信息技术在各个领域中的广泛应用。通过这次选修《计算机前沿技术》课，经过一学期的学习和实践，我深深体会到：计算机信息技术在高科技飞速发展、市场竞争异常激烈的今天，任何人不能只停在原有传统知识的认识上，只有不断学习计算机信息技术，通过计算机信息技术不断完善自己，通过计算机信息技术不断充实自己，才能在当今社会中立于不败之地。随着信息技术的高速发展，计算机无时无刻在伴随着我们，也给我们在学习和生活中增添了许多乐趣。通过这学期选修的《计算机前沿技术》，我了解到了计算机的发展史和其最基本的相关理论知识和工作原理以及计算机领域最前沿的技术，而我最感兴趣的是人工智能领域。 人们对人工智能的定义是：研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。 人工智能将涉及到学科有计算机科学、心理学、哲学和语言学等。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。 人工智能的概念很宽，所以人工智能也分很多种，我们按照人工智能的实力将其分成三大类。弱人工智能(ANI): 弱人工智能是擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了。强人工智能(AGI): 人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的
软件工程专业学科前沿讲座报告
软件工程专业学科前沿讲座报告 院 (系)：计算机科学与工程 专业：软件工程 班级：17060212 学生：张嘉琪 学号：17060212119
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。通过医学、神经科学、机器人学及统计学等的进步，有些预测则认为人类的无数职业也逐渐被人工智能取代。 人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外，还会创造，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或者再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或者从一个“概念”直接到另一个“概念”。正因为如此，这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。这是智能化研究者梦寐以求的东西。 前景:目前随着人工智能AI的迅猛发展，今后几年触摸一体机一定会和人工智能
分子生物学的研究及发展
分子生物学的应用及发展 摘要：本文在文献检索的基础上，对分子生物学的发展简史，基本原理，研究领域等作了简单介绍，阐述了分子生物学在人们日常生活中的应用并结合药学专业着重讨论了其在药学及中药开发发面的应用，并进一步对分子生物学未来的研究技术、方向和前景做了展望。 一前言 生物以能够复制自己而区别于非生物。生命现象最基本的特征是进行“自我更新”。进行“自我更新”体现了一种最高级和最复杂的运动状态。这种运动就是生物机体从环境中摄取物质和能量，以更新本身的物质组成，而山现生长、繁殖，在这样的过程中保证了将自身的特征传给历代；同时也不断地向环境输送一些物质和释放能量。在生物机体的组成物质中，防水分外，有各种无机盐类和各种有机化合物。其中生物大分子——核酸和蛋白质在进行自我更新运动中，以其功能的重要性占第一位。为探索生命现象的本质问题，产生了分子生物学这一学科[1]。 分子生物学(molecular biology)是从分子水平研究生命本质为目的的一门新兴边缘学科，它是研究核酸、蛋白质等生物大分子的形态、结构特征及其重要性、规律性和相互关系的科学，是当前生命科学中发展最快并正在与其它学科广泛交叉与渗透的重要前沿领域[2]。 分子生物学的最终目标是远大的，从产生基本细胞行为类型的各种分子的角度，来理解这五类行为类型：生长、分裂、分化、运动和相互作用。即分子生物学力图完整地描述细胞大分子的结构、功能和相互联系，从而理解细胞为什么要采取这种方式[3]。 分子生物学作为一门新兴的边缘学科。它的迅速发展及其在整个生命科学领域的广泛渗透和应用，促使人们对生物学等生命科学的认识从细胞水平进入分子水平。在农业、畜牧、林业、微生物学等领域发展十分迅速，如转基因动植物等。在医学领域，为医学诊断、治疗及新的疫苗、新药物研制等开辟了新的途径，使医学科学中原有的学科发生分化组合，医学分子生物学等新的学科分支不断产生，使医学科学发生了深刻的变革，不认识到这一点就很难跟上科学发展的步伐。 分子生物学的发展为人类认识生命现象带来了前所未有的机会，也为人类利用和改造生物创造了极为广阔的前景。 二分子生物学发展简史 分子生物学的发展大致可分为三个阶段[4-7]：
学科前沿系列讲座报告
学科前沿系列讲座报告制导控制技术最新进展 专业：信息对抗技术 姓名： 学号： 时间：2016年9月
目录 一、引言 ................................................................................................ - 2 - 二、概述 ................................................................................................ - 3 - 1. 介绍 ................................................................................................ - 3 - 2. 分类 ................................................................................................ - 3 - 3. 制导方式......................................................................................... - 3 - 1) 寻的制导................................................................................... - 3 - 2) 遥控制导................................................................................... - 4 - 3) 惯性制导................................................................................... - 4 - 4) 全球定位系统（GPS）制导...................................................... - 4 - 5) 地形匹配与景象匹配制导.......................................................... - 4 - 6) 复合制导（组合制导） ............................................................. - 4 - 三、控制制导技术的发展历程................................................................ - 5 -
关于计算机视觉的若干思考
浅谈计算机视觉 当看到幻灯片上播放的两张看上去相同的图片，一张毫无秘密，一张却隐藏着机密的时候，我觉得很是神奇，原来还会有这种加密方式。不同于摩斯密码，我觉得这种加密方式正是计算机时代的一个代表。 机器视觉，计算机视觉，图像处理，图像分析，这些名词好像都出现在了 老师的课堂上，通过查阅资料得知，这些名词在技术和应用领域上他们都有着相当大部分的重叠，这些学科的基础理论大致是相同的，甚至让人怀疑他们是同一学科被冠以不同的名称。 但是，又好像存在着一些细小的不同。例如，机器视觉主要是指工业领域 的视觉研究，例如自主机器人的视觉，用于检测和测量的视觉。这表明在这一领域通过软件硬件，图像感知与控制理论往往与图像处理得到紧密结合来实现高效的机器人控制或各种实时操作。计算机视觉的研究对象主要是映射到单幅或多幅图像上的三维场景，例如三维场景的重建。计算机视觉的研究很大程度上针对图像的内容。图像处理与图像分析的研究对象主要是二维图像，实现图像的转化，尤其针对像素级的操作，例如提高图像对比度，边缘提取，去噪声和几何变换如图像旋转。这一特征表明无论是图像处理还是图像分析其研究内容都和图像的具体内容无关。这里，我就计算机视觉进行初步的了解与分析。 计算机视觉，顾名思义，即为利用计算机对图像进行处理的过程。不管进 行何种场景的应用，都必须进行识别，运动，场景重现，图像恢复等基本问题的算法处理。其系统主要包括：图像获取，预处理，特征提取，检测分割，高级处理等基本组成。
下面就图像加密过程进行初步分析：首先，进行图像的获取，拿到一张图片利用一个或多个图像感知器提取数字图像，根据感知器的类型会得到不同类型的数字图像；接着，进行预处理，在对图像实施具体的计算机视觉方法来提取某种特定的信息前，一种或一些预处理往往被采用来使图像满足后继方法的要求。例如：二次取样保证图像坐标的正确；平滑去噪滤除感知器引入的设备噪声等；然后，进行特征提取，提取出这幅图像的特征要素；进行检测分割，分割出所要进行隐藏图像的部分，以便于进行后续操作；再进行高级处理，及隐藏信息。 通过查阅资料得知，其中一种隐藏信息的方式为将数字图像转化为二值图像，即只有黑和白的像素，不存在灰色过度的图像，进行处理。利用二值图像的算法主要有图像分块嵌入法，流程修改嵌入法，基于图像特征嵌入法等。但是，利用二值图像嵌入信息，也有不足：在黑白图像中，若把一片全是“0”像素中间突然嵌入一个“1”像素，相当于在一片黑图片当中突然点了一个白点，这会很容易引起人眼的察觉，故而不是很好的信息嵌入策略。 通过了解，我发现有关这一方面的研究还有更深的发展空间，而且在信息化的今天，利用计算机视觉进行图像的处理以及信息的嵌入可以更好的为我们的工作生活提供便利。 且计算机视觉是一个交叉学科，需要多种学科的共同发展，符合当今时代特征。所以，在我看来，计算机视觉是一个未来前景广阔，信息集成度高，市场认可度高的研究方向。
分子生物学前沿技术
分子生物学前沿技术 The Standardization Office was revised on the afternoon of December 13, 2020
激光捕获显微切割Laser capture microdissection (LCM) technology是在不破坏组织结构，保存要捕获的细胞和其周围组织形态完整的前提下，直接从冰冻或石蜡包埋组织切片中获取目标细胞，通常用于从中精确地分离一个单一的细胞。 背景：机体组织包含有上百种不同的细胞，这些细胞各自与周围的细胞、基质、血管、腺体、炎症细胞或相互粘附。在正常或发育中的组织器官内，细胞内信号、相邻细胞的信号以及体液刺激作用于特定的细胞，使这些细胞表达不同的基因并且发生复杂的分子变化。在状态下，如果同一类型的细胞发生了相同的分子改变，则这种分子改变对于疾病的发生可能起着关键性的作用。然而，发生相同分子改变的细胞可能只占组织总体积的很小一部分；同时，研究的目标细胞往往被其它组织成分所环绕。为了对疾病发生过程中的组织损害进行分子水平分析，分离出纯净的目标细胞就显得非常必要。1996年，美国国立卫生院（NIH）国家肿瘤研究所的[2]开发出激光捕获显微切割技术（Laser capture microdissection ， LCM ），次年，美国Arcturus Engineering公司成功研制激光捕获显微切割系统，并实现商品化销售。应用该技术可以在显微镜直视下快速、准确获取所需的单一细胞亚群，甚至单个细胞，从而成功解决了组织中细胞异质性问题。这项技术现已成为美国“肿瘤基因组解剖计划”的一项支撑技术[1]。 原理：LCM的基本原理是通过一低能脉冲激活热塑膜———乙烯乙酸乙烯酯（ethylene vinylacetate，EVA）膜（其最大吸收峰接近
IT前沿技术讲座总结
关于IT前沿技术讲座报告 ——罗瑞13级计算机联合 班 在开学后的第三个月，华南理工大学计算机科学与工程学院给学生安排了关于IT前沿技术的一系列讲座，听了这些由学院资历深厚的老师所授的讲座后，我的收获颇丰。几位主讲老师针对信息技术的不同领域给予了不同高度的讲解，并且和学院热心的同学们积极交流，传授知识，以及人生道路上的经验。 几位主讲老师主要选择了一下几个话题进行讲解： 1、科学与技术研究之科学； 2、智能计算机； 3、机器人发展机遇与挑战； 4、大数据时代的高性能计算。 自从来到大学并且学习了计算机科学与技术这个专业后，我慢慢发现，我的学习与生活与电脑的关系越来越密切，对信息技术的应用也越来越熟悉与广泛。印象最深的是每次的实验课，在机房完成当天的作业后，都会借助快速便捷的网络发送到自己的邮箱里，回到宿舍后再在自己的邮箱里下载到电脑上。这样，无需借助任何实体媒介，作业就以数据形式传送到我的电脑了，似乎有个人一直在操纵、管理着，可是实际上，这一切都是信息技术发展的必然结果，那个操纵者就是人们探索出的信息技术。
我是一个理工科的学生，但是经过主讲老师对科学进行阐述的讲座，我才真正明白了科学的含义，科学是一种不断升华的思维艺术。具体来讲，它是指由权威人、组织和机构经过实践、论证所得出的具有普遍性、必然性的数据，并通过一系列技术完善、确认、推荐、宣传、传授和捍卫的一种广泛领域的思维学术。科学是严谨的，是需要人们不断探索、证实，并且公诸于世，从而去推动社会发展。正如远古时代出现的具有里程碑意义的火一样，如果无人理睬，便会熄灭，社会也将会停止前进的步伐，但是一旦有人用心探索，就会照亮一片新的绚丽天地。 肖南峰老师给我们带来的第五代计算机—智能计算机，介绍了第五代计算机是把信息采集、存储、处理、通信同人工智能结合在一起的智能计算机系统。它能进行数值计算或处理一般的信息，主要能面向知识处理，具有形式化推理、联想知识.人-机之间可以直接通过自然语言（声音、文字）或图形图象交换信息。智能计算机是指能存储大量信息和知识,会推理,具有学习功能,能以自然语言、文字、声音、图形、图像和人交流信息和知识的非冯诺依曼结构的通用高速并行处理计算机。虽然目前智能计算机的技术还不够成熟，不能广泛使用。但是照其定义看来，如果将来有一天人们在智能计算机领域得以拥有成熟的技术和完善的设备并且广泛投入生产，大规模使用的话，拥有如此多极高能力的计算机似乎已经可以代替人类的存在，但是，我们需要明白，我们研究发明任何高科技的智能产品，其目的都不是想要
人工智能与计算机视觉
过去几年，全球的互联网公司包括谷歌、微软、Facebook以及中国的百度、阿里巴巴都在加强人工智能领域的投资，设立自己的人工智能研究院。vivo是第一家设立专攻人工智能方向研究院的中国手机公司。此举是vivo内部已经确立的一份3-5年的中长期发展的战略规划，未来对人工智能的发展研究是必然趋势，vivo公司创始人兼CEO沈炜曾表示“人工智能和5G的结合将会是5G时代手机发展的趋势”。 今年我们看到vivo在产品上不少创新，比如AI拍照、商用屏下指纹技术等等，这些都是基于生物特征(biometrics)的鉴别技术，除此之外还有对人脸、虹膜、指纹、声音等特征上的识别，这些大多涉及到视觉信息，正是体现了计算机视觉的应用性，那什么是计算机视觉呢? 计算机视觉技术的概念 正像其它学科一样，一个大量人员研究了多年的学科，却很难给出一个严格的定义，模式识别如此，目前火热的人工智能如此，计算机视觉亦如此。与计算机视觉密切相关的概念有视觉感知(visual perception),视觉认知(visual cognition),图像和视频理解( image and video understanding)。这些概念有一些共性之处，也有本质不同。 从广义上说，计算机视觉就是“赋予机器自然视觉能力”的学科。自然视觉能力，就是指生物视觉系统体现的视觉能力。一则生物自然视觉无法严格定义，在加上这种广义视觉定义又“包罗万象”，同时也不太符合40多年来计算机视觉的研究状况，所以这种“广义计算机视觉定义”，虽无可挑剔，但也缺乏实质性内容，不过是一种“循环式游戏定义”而已。 实际上，计算机视觉本质上就是研究视觉感知问题。视觉感知，根据维科百基(Wikipedia)的定义, 是指对“环境表达和理解中，对视觉信息的组织、识别和解释的过程”。根据这种定
浅谈对计算机科学与技术的认识
浅谈对计算机科学与技术的认识 【摘要】计算机科学与技术的发展日新月异，现如今计算机科学与技术已经成为人类生活必不可少的一部分，它的问世毫无疑问地改变和发展了人们生活，推动了现代文明的进步。目前各国在计算机科学技术发展方面逐渐加大了投资力度，计算机已经成为综合国力竞争的重要组成部分。本文笔者将对计算机科学与技术进行简要的分析，谈谈自己对计算机科学与技术的认识。 【关键词】计算机科学；技术；认识 计算机科学与技术从诞生到现在，经历了无数次的突破：它最初的设计是单纯的来提高处理速度的高速计算器，到目前可以帮助人类解决大多数问题的智能机器，许多人继续研究对这一课题进行研究，使人们可以轻松享受由计算机带来的便利。 一、计算机科学与技术的理解 计算机科学来源于对数理逻辑、计算模型、算法理论和自动计算机器的研究，形成于20世纪30年代后期。计算机科学是用来研究计算机设计、制造及计算机信息获取、存储表示、处理控制等理论和技术的学科，是描述和变换信息的算法，包括其理论、分析、设计、实现和应用的系统研究。计算机科学是一门包含各种各样与计算和信息处理相关主题的系统学科，从抽象的算法分析、形式化语法等，到更具体的主题如编程语言、程序设计、软件和硬件等。 计算机技术是研究计算设备的科学技术，它的内容非常广泛，可粗分为计算机系统技术、计算机器件技术、计算机部件技术和计算机组装技术等几个方面。计算机技术包括：运算方法的基本原理与运算器设计、指令系统、中央处理器（CPU）设计、流水线原理及其在CPU设计中的应用、存储体系、总线与输入输出。 二、计算机科学与技术的发展 从1946年第一台计算机的出现算起，计算机的发展已有六十多年，计算机无论从运算速度、缩小性、降低成本或者开发上都得到了质的飞跃。 2.1“技术突破”型科技逐渐让位于“系统合成”型的科技 早期的三大发现（达尔文学说，能量转换，细胞学），在1925--1950年重大科技突破有40多件。而19世纪40年代至50年代则为原子能、计算机、空间技术等寥寥几项。50年代后这种技术突破是越来越少了，70年代至今，我们人类似乎在循环一个周期，我们将从前的科学原理及技术挖出挖深，并且把他们有机的结合在一起，从而形成新的技术。就好像计算机基本原理虽然有了极大的发展，但论起基础仍然没有离开100年前关于程序与存储的设想。而阿波罗宇宙飞船技
前沿讲座总结报告
前沿讲座总结 时光荏苒，不知不觉，我的研究生的生涯已经度过了一半的时间。虽然仅仅是一年的时间，但已经足以使我对其有一个整体的把握，并使自己逐渐融入其中，享受其中。同时，时间的流逝，更让我对接下来的日子感到珍惜。以下就结合研一这段时间曾参加的前沿讲座和学术沙龙活动，并谈谈自己的些许感悟以及总结。 前沿讲座作为了解学科的学术研究领域、方法和方向的一种重要形式，在学习中起着极为重要的作用。因此，我积极参加了学院和学校组织的前沿讲座。研一期间，我参加了心理健康、原是校园行、数据库培训、名师讲坛以及学术沙龙等诸多讲座。这些由诸多国内外学科最前沿的学者专家所做的精彩的讲座，为我们提供了了解国内外最新、最先进学术知识和科研进展以及学科研究方向的机会。同时，这些讲座使我的专业素养和个人心理素质都得到了很大提升，并对我的学术认识、观点以及今后的研究生学习提供了巨大的帮助。 2015年11月9日，是我第一次参加院士校园行系列的讲座。由David院士不远万里，从大洋对岸来到我们交大，给我们带来一场精彩的讲座。 2011年全国博士生学术论坛由北京交通大学承办，其中我参加了由机电学院承办的载运工具运用工程分论坛，听取了李强教授、任尊松教授做的专家点评。通过此次高水平的论坛学习了在载运工具结构设计与动力学分析、结构疲劳及可靠性、故障诊断技术及试验技术、安全与检测控制技术、先进动力技术、节能技术及环境保护等多方面知识。 还参加了几期学术沙龙，几位本学院的博士深入浅出的讲解让我收获很大，他们结合自己的课题，讲的生动详细。主要参加了这些方面的讲座，听取了丁万和聂蒙博士分别就机器人的创新和钢轨打磨的研究做的报告，对并联机器人的基本概念，研究现状以及国际研究前沿有了大概的了解，并第一次接触了钢轨打磨的知识，深刻体会到当前我国钢轨打磨方面研究的落后，拓宽了我们的视野。听取了金涛涛博士关于混合动力传动系统国内外研究现状及研究方向，着重学习了一种双模式混合动力传动系统，同时了解了美国的学习、科研生活，开阔了我们的视野。听取了姚燕安老师关于机构与机器人学方面的研究，在并联机器人的滚动步态设计、可变形车轮缩放比计算、两足步行机构设计及魔方内部结构设计等方面的内容。在上述讲座中，都与主讲博士进行了较好的互动，及时把自己的疑惑与博士进行了交流。 在论文写作方面听取了曹文平博士就“如何在一流IEEE杂志上发表高质量学术论文”的报告。曹博士结合自己多年来在电工机械、电力传动领域的研究成果和在一流IEEE杂志上发表高质量论文的经历，以自己发表的一篇研究论文为例，从论文的整体结构、标题引文、正文写作、结果分析、标点符号等方面，深刻剖析了每个环节的写作要点和注意事项。通过这个讲座我对英语科技论文写作的语言使用以及投稿过程中遇到的一些问题都有了了解。Vittal Prabhu博士介绍了制造业中的分布式控制应用现状，对分布式在企业中的应用有了很好的了解。 此外机电学院研究生辅导员潘显钟与我们分享近年来机电学院研究生就业去向，帮助我
浅谈机器人视觉技术
浅谈机器人视觉技术 摘要 机器人视觉是使机器人具有视觉感知功能的系统，是机器人系统组成的重要部分之一。机器人视觉可以通过视觉传感器获取环境的二维图像，并通过视觉处理器进行分析和解释，进而转换为符号，让机器人能够辨识物体，并确定其位置。机器人视觉广义上称为机器视觉，其基本原理与计算机视觉类似。计算机视觉研究视觉感知的通用理论，研究视觉过程的分层信息表示和视觉处理各功能模块的计算方法。而机器视觉侧重于研究以应用为背景的专用视觉系统，只提供对执行某一特定任务相关的景物描述。机器人视觉硬件主要包括图像获取和视觉处理两部分，而图像获取由照明系统、视觉传感器、模拟－数字转换器和帧存储器等组成。本文介绍了机器人的发展以及视觉计算理论和视觉的关键技术。 关键词：机器人、视觉、计算、关键技术 一、机器人发展概述 科学技术的发展,诞生了机器人。社会的进步也提出要求,希望创造出一种能够代替人进行各种工作的机器,甚至从事人类不能及的事情。自从1959年诞生第一台机器人以来,机器人技术取得了很大的进步和发展,至今已成为一门集机械、电子、计算机、控制、传感器、信号处理等多学科门类为一体的综合性尖端科学。当今机器人技术的发展趋势主要有两个突出的特点:一个是在横向上,机器人的应用领域在不断扩大,机器人的种类日趋增多;另一个是在纵向上,机器人的性能不 断提高,并逐步向智能化方向发展。前者是指应用领域的横向拓宽,后者是在性能及水平上的纵向提高。机器人应用领域的拓宽和性能水平的提高,二者相辅相成、相互促进。 智能机器人是具有感知、思维和行动功能的机器,是机构学、自动控制、计算机、人工智能、微电子学、光学、通讯技术、传感技术、仿生学等多种学科和技术的综合成果阎。智能机器人可获取、处理和识别多种信息,自主地完成较为复杂的操作任务,比一般的工业机器人具有更大的灵活性、机动性和更广泛的应用领域。要使机器人拥有智能,对环境变化做出反应,首先,必须使机器人具有感知
0812计算机科学与技术基本要求内容
0812计算机科学与技术 博士、硕士学位基本要求 第一部分学科概况和发展趋势 计算机科学与技术是20世纪40年代创建并迅速发展的科学技术领域，主要围绕计算机的设计与制造，以及信息获取、标识、存储、处理、传输和利用等领域方向，重点开展理论、原则、方法、技术、系统和应用等方面的研究。它包括科学与工程技术两方面，两者互为作用，高度融合，这是计算机科学与技术学科的突出特点。 计算机科学与技术学科设计的理论基础包括数学、计算理论、信息与编码理论、自动机论与形式语言理论、程序理论、形式语义学、算法分析和计算复杂度理论、数据结构、编程语言理论以及并发、并行与分布处理理论等，同时涉及到感知、认知机理、心理学理论等。 计算机科学与技术的主要研究方向可概括为计算机科学理论、计算机软件、计算机硬件、计算机系统结构、计算机应用技术、计算机网络与信息安全等领域。根据这些领域的相互关联度，可以分为四个研究方向，即：计算机系统结构、计算机软件与理论、计算机应用技术、计算机网络与信息安全。 目前，计算机已经得到普遍应用，是信息社会的主要推动力量，计算也已成为人类探索未知领域的有效途径和重要手段，为人类认识世界、改造世界提供了更广阔的视野和独
特的实验和分析方法，成为人类生活不可缺少、现代文明赖以生存的重要科学与技术领域之一。进入21世纪，随着世界新技术革命的迅猛发展，计算机科学与技术也在不断发展，并支撑了其它学科如生物、制药、化学、物理等的进步，继续保持了在高新科技领域的重要地位，在推动原始创新、促进学科交叉与融合方面扮演着重要角色。计算机科学与技术在21世纪必将取得更大的进步，为开拓人类的认知空间提供更强大的手段与条件，并对整个科学技术和经济发展做出更大的贡献。 第二部分博士学位的基本要求 一、获本学科博士学位应掌握的基本知识及结构 计算机科学与技术学科博士学位获得者应掌握数学、计算理论、信息与编码理论、算法复杂性与数据结构、编程语言理论、形式化理论以及并发、并行与分布处理理论等紧密相关学科的相关基本知识，以及本学科坚实宽广的基础理论和系统深入的专业知识、本学科研究前沿动态及趋势。 二、获本学科博士学位应具备的基本素质 1．学术素养 崇尚科学、追求真理，对学术研究有浓厚的兴趣。具有良好的科学素养，诚实守信，严格遵守科学技术研究学术规；具有科学严谨和求真务实的学习态度和工作作风，坚持实事、勤于学习、勇于创新，富有合作精神和团队意识。具有
前沿讲座报告
新技术知识讲座报告 （理工类） 专业班级： 10计算机科学与技术（统招班） 学生学号： 1005103051 学生姓名：韦程 所属院部：信息技术学院 2012——2013学年第 2 学期 金陵科技学院教务处制
一、现今计算机主要应用 随着计算机的高速发展，计算机应用进一步向各行各业渗透，上至高、新的尖端技术，下至家庭生活与各种电器，计算机无处不在，无时不在。 （一）科学计算 科学计算也称数值计算，指用于完成科学研究和工程技术中提出的数学问题的计算，计算工作量很大。它是计算机最早的应用领域，世界上第一台计算机的研制就是为科学计算而设计的。随着科学技术的发展，各领域的计算模型日趋复杂，人工计算已无法解决的这些复杂问题都需要依靠计算机来进行复杂的运算。 在天气预报中，大量的卫星气象云图、气象资料，如果用人工进行计算，预报一天需要计算几个星期，就失去了时效，现在用计算机，取得10天的预报只需要计算数分钟，这就使中、长期预报成为可能。 在航空与航天领域，复杂的微分方程及大量数据测算工作，需要高速瞬间完成计算任务，也都是计算机应用的重要阵地。 （二）数据处理 数据处理也称为非数值计算，指对大量的数据进行加工处理，例如分析、合并、分类、统计等，形成有用的信息。与科学计算不同，数据处理涉及的数据量大，但计算方法简单。 在计算机的应用领域中，数据处理占有极大的比重。在经济发达的国家里，约占80%至90%的份额。目前，数据处理广泛应用于办公自动化、企业管理、事务管理、情报检索等，数据处理已成为计算机应用的一个重要方面。 （三）过程控制 过程控制又称实时控制，指计算机及时采集数据，将数据处理后，按最佳值迅速地对控制对象进行控制。从20世纪60年代起，就在冶金、机械、电力、石油化工等产业中用计算机进行实时控制。现代工业，由于生产规模不断扩大，技术、工艺日趋复杂，从而以实现生产过程的自动化控制系统的要求也日益增高，利用计算机进行过程控制，不仅可以大大提高控制的自动化水平，而且可以提高控制的及时性和准确性，从而改善劳动条件、提高质量、节约能源、降低成本。现代化工厂中，生产过程的自动控制是计算机应用的又一重要领域。 （四）人工智能 人工智能AI(Artificial Intelligence)一般是指模拟人脑进行演绎推理和采取决策的思维过
浅谈计算机视觉与数字摄影测量
浅谈计算机视觉与数字摄影测量 发表时间：2018-06-19T16:47:42.070Z 来源：《基层建设》2018年第12期作者：熊健1 汪军2 施航3 [导读] 摘要：计算机视觉是数字摄影测量的重要组成部分，研究其相关课题有着重要意义。 1江苏省地质勘查技术院江苏南京 210000；2安徽省第四测绘院安徽合肥 230000 3华东冶金地质勘查局八一一地质队安徽滁州 239000 摘要：计算机视觉是数字摄影测量的重要组成部分，研究其相关课题有着重要意义。本文首先对相关内容做了概述，分析了计算机视觉与数字摄影测量的处理流程，并结合相关实践经验，分别从多个角度与方面就计算机视觉技术在影像处理系统中的实际应用展开了研究，阐述了个人对此的几点看法与认识，望有助于相关工作的实践。 关键词：计算机；视觉；数字摄影；测量 1前言 计算机视觉与数字摄影测量是一项实践性较强的综合性工作，其具体实施方法的特殊性不言而喻。该项课题的研究，将会更好地提升对计算机视觉的分析与掌控力度，从而通过合理化的措施与途径，进一步优化该项工作的最终整体效果。 2计算机视觉技术核心问题 视觉问题复杂性的本质在于相对声音等物理信号的描述，视觉信号充满了非常丰富的信息，描述起来也更加困难。比如，很多图像中蕴含了大量简单（如颜色、形状、纹理、几何特征等）及复杂（如场景、字符、物体分布、人物而部特征、人体姿势等）信息并具有较大的动态范围和主观性，如何攻克图像信息提取过程中的各种难题一直是当今计算機图像学研究的热点问题。而且，在科学家们还未完全破译生物视觉系统的奥秘的前提下，大多数CV问题只能采用“逆向推导机制”—依据己知或假设的关联将视觉系统的输入（数字图像）和输出（语义描述）对应起来，通过图片猜测真实世界物体具有的形状，照明度以及颜色分布。因此，基于概率论和数理统计的数学模型是最适合解决这类逆推问题的工具，这也是目前CV领域普遍采用各种统计模型和机器学习算法的本质原因。由于各种学习机制和统计模型需要基于先验知识并建立在对待测图像内容的约束、简化及假设的基础上，和生物视觉几亿年的发展进化相比，其建立的数学模型也只能片而而且粗糙地描绘出视觉系统输入与输出之间的关系。因此，对某组特定图像检测时表现十分优秀的系统，往往对另一组语义相同的图片素手无策；很多看似稳定的机器学习机制，在增加样本种类和数量后，检测率反而会下降；很多设计复杂的检测算法在实际应用中的表现反而不如一些简单且基本的数学描述困。 3计算机视觉与数字摄影测量的处理流程 3.1立体视觉 立体视觉是计算机视觉中的一个重要分支，一直是计算机视觉研究的重点和热点之一，在20多年的发展过程中，逐渐形成了自己的方法和理论。立体视觉的基本原理是从两个（或多个）视点观察同一景物，以获取在不同视角下的感知图像，通过三角测量原理计算像像素间的位置偏差（即视差）来获取景物的三维信息，这一过程与人类视觉的立体感知过程是类似的。一个完整的立体视觉系统通常可分为图像获取、摄像机定标、特征提取、影像匹配、深度确定及内插等6个大部分。其中影像匹配是立体视觉中最重要也是最困难的问题，也是计算机视觉和数字摄影测量的核心问题。 3.2影像匹配 立体视觉的最终目的是为了恢复景物可视表面的完整信息。当空间三维场景被投影为二维图像时，同一景物在不同视点下的图像会有很大不同，而且场景中的诸多因素，如光照条件，景物几何形状和物理特性、噪声干扰和畸变以及摄像机特性等，都被综合成单一的图像中的灰度值。因此，要准确地对包含了如此之多不利因素的图像进行无歧义的匹配，显然是十分困难的。 在摄影测量中最基本的过程之一就是在两幅或者更多幅的重叠影像中识别并定位同名点，以产生立体影像。在模拟摄影测量和解析摄影测量中，同名点的识别是通过人工操作方式完成的；而在数字摄影测量中则利用计算机代替人工解决同名点识别的问题，即采用影像匹配的方法。 3.3多目立体视觉 根据单张相片只能确定地面某个点的方向，不能确定地面点的三维空间位置，而有了立体像对则可构成与地面相似的立体模型，解求地面点的空间位置。双目立体视觉由不同位置的两台或者一台摄像机（CCD）经过移动或旋转拍摄同一幅场景，就像人有了两只眼睛，才能看三维立体景观一样，然后通过计算空间点在两幅图像中的视差，获得该点的三维坐标值。现在的数字摄影测量中的立体像对技术通常是在一条基线上进行的，但是由于采用计算机匹配替代人眼测定影像同名像对时存在大量的误匹配，使自动匹配的结果很不可靠。其存在的问题主要是，对存在特殊结构的景物，如平坦、缺乏纹理细节、周期性的重复特征等易产生假匹配；在摄像机基线距离增大时，遮挡严重，能重建的空间点减少。为了解决这些问题，降低双目匹配的难度，自1986年以来出现了三目立体视觉系统，即采用3个摄像机同时摄取空间景物，通过利用第三目图像提供的信息来消除匹配的歧义性。采用“多目立体视觉技术”可以利用摄影测量的空中三角测量原理，对多度重叠点进行“多方向的前方交会”，既能较有效地解决随机的误匹配问题，同时又能增加交会角，提高高程测量的精度。这项技术的应用，将很大程度地解决自动匹配结果的不可靠性，提高数字摄影测量系统的准确性。 4计算机视觉技术在影像处理系统中的实际应用 4.1计算机视觉技术关于图像的预处理的應用 影像测量系统在采集图像的时候，很容易受到周围环境的影响，例如：电磁波的干扰，光的折射，温度的影响等，这将很容易导致测量系统采集到事物图像在播发过程中都会夹杂着刺耳的噪声，对测量物品的边缘描述过于模糊，使得零件的精准度的测量受到了影响。因此需要把计算机视觉技术和影响测量系统的应用结合在一起，在测量产品，处理图像过程中，需要进行原始图像的修改和清晰度的矫正并且选择性的过滤影响产品测量的噪声。由于在测量过程中结合了计算机视觉技术，所以在图像的预处理的时候，不需要对图画质量的降低，可以运用计算机视觉技术对于图像进行修改，重要的部位采用灰色直方图修改技术特别标出，其他部位选择性消除。虽然计算机技术跟影像测量系统的结合很好的处理了这些的问题，但是也要避免在测量过程中受到噪音的干扰，从而使得图像变质。因此，在测量的时候可以先对周围环境进行预处理，采用计算机视觉技术中的边缘保持滤波算法降低周围环境的噪声影响，从而保证了测量图像的精确性。 4.2计算机视觉技术关于图像边缘处理的应用
计算机科学前沿热点及发展趋势
计算机科学前沿热点及发展趋势 摘要:计算机科学围绕信息、知识、智能等主题发展迅速。文章系统地介绍了信息处理、文字与自然语言的理解、数据仓库和数据挖掘；知识科学；人工智能、人工神经网络的研究、遗传算法、逻辑学等领域研究中前沿的若干问题，并提出未来计算机科学的发展趋势。 关键词:信息技术知识科学智能技术发展趋势 在短短的60年里，计算机科学发展至今，取得了巨人的成就。从观念上改变了人们对世界的认识，将人类社会带入了信息时代。加速T人类社会的发展。在今天计算机科学技术已经成为人们日常生活工作中不可或缺的重要组成部分，而计算机技术的发展也将越来越多影响人类社会的进步。 1 计算机科学前沿热点 近年来，计算机科学中前沿的问题主要围绕信息、知识、智能三大研究领域展开讨论。本文中所指的信息是指客观事物的属性。而知识不同于信息，它是人们对信息经过大脑的加工与处理后，形成的规律、规则、方法及认识。智能则是指大脑从历史信息、知识的基础之上形成的对现有信息、知识的推理、演绎、判断的方法。 根据研究分析表明，在三大研究领域中，主要有以下前沿热点研究： (1)信息方面:信息处理、数据仓库和数据挖掘、生物信息学。 (2)知识方面：以知识科学与知识工程为主要研究的问题。 (3)智能方面：以人工神经网络的研究,机器证明,人工智能与专家系统,遗传算法,代数逻辑学形成了本研究领域的主要特色。 1.1 信息科学 1.1.1 信息处理技术 信息处理技术是当今计算机科学发展的重点，目前计算机处理的信息可分为符号和数据，因而一切要由计算机处理的对象首先是符号化和数字化。信息科学正在形成和迅速发展，现在主要的研究课题集中在以下六个方面: (1)信息源理论和信息的获取。主要研究自然信息源和社会信息源,以及从信息源提取信息的方法和技术。 (2)信息的传输、存储、检索、转化和处理。 (3)信号的测量、分析、处理及显示。 (4)模式信息处理。研究对文字、声音，图像等信息的处理、分类和识别，研制机器图像和语音识别系统。 (5)知识信息处理。研究知识的表示、获取和应用，建立具有推理和自动解决问题能力的知识信息处理系统，即专家系统。 (6)决策和控制。在对信息的采集、分析、处理、识别和理解的基础上作出判断、决策或控制，从而建立各种控制系统、管理信息系统和决策支持系统。 1.1.2 数据挖掘技术 传统的数据库技术是单一的数据资源，即以数据库为中心，对事务处理、批处理到决策分析等各种类型的数据处理工作。近年来，随着计算机技术的发展,对数据库中数据操作提出了更高的要求，希望计算机能够更多的参与数据分析与决策的制定等领域。数据库处理可以大致划分为两大类:操作型处理和分析型处理(或信息型处理)。这种分离,划清了数据处理的分析型环境与操作型环境之间的界限,从而由原来的以单一数据库为中心的数据环境发展为一种体系化环境,因而产生了数据挖掘技术。在这方面目前主要解决的前沿问题有: (1)异构数据的接口机制；(2)数据仓库的体系结构问题；(3)数据仓库的数据优化问题；(4)数据仓库中数据的获取与整理；(5)历史数据的提出和信息挖掘；(6)信息挖掘的方法学问题；