机器学习的发展现状及其相关研究

摘要: 阐述了机器学习的概念及其研究现状, 讨论了其中的关键技术、难点及应用与发展前景, 并对机器学习研究中的有关问题提出一些看法.

关键词: 人工智能; 机器学习; 泛化

1 机器学习的发展现状

机器学习(machine learning)是继专家系统之后人工智能应用的又一重要研究领域, 也是人工智能和神经计算的核心研究课题之一. 机器学习是人工智能领域中较为年轻的分支, 其发展过程可分为4 个时期: 1)20 世纪50 年代中期到60 年代中期, 属于热烈时期; 2)60 年代中期至70 年代中期,被称为机器学习的冷静时期; 3)70 年代中期至80 年代中期, 称为复兴时4)1986 年开始是机器学习的最新阶段. 这个时期的机器学习具有如下特点: 机器学习已成为新的边缘学科并在高校成为一门独立课程; 融合了各种学习方法且形式多样的集成学习系统研究正在兴起; 机器学习与人工智能各种基础问题的统一性观点正在形成; 各种学习方法的应用范围不断扩大, 一部分应用研究成果已转化为商品; 与机器学习有关的学术活动空前活跃.

2 机器学习的概念、类型及特点

2.1 机器学习的基本概念

2.2 基于符号的机器学习

基于符号的机器学习, 是基于代表问题域中实体和关系的符号集合. 符号学习算法就是利用这些符号推出新颖、有效的一般规则, 规则同时也用这些符号进行表述.

1)变型空间搜索. 候选解排除算法依赖于变量空间这个概念, 是与训练实例一致的所有概念描述的集合. 这些算法有更多实

例可用于缩减变型空间的大小.

2)ID3 决策树归纳算法. ID3 与候选解排除算法一样, 由实例中归纳概念. 该算法在如下几方面具有优势: 对学到知识的表示; 控制计算复杂性的方法; 选择候选概念的启发式信息; 具处理有噪声数据的潜力.

3)归纳偏置和学习能力. 归纳偏置指学习程序用来限制概念空间或在这个空间中选择概念.

4)知识和学习. 传统的知识学习方法主要有机械式学习、指导式学习、归纳学习、类比学习和基于解释的学习.

5)无监督学习. 聚类问题是比较1 组未分类的物体和度量物体的相似性, 目标是将物体分成符

合某些质量标准的类别.

6)强化学习. 强化学习即设计算法将外界环境转化为最大化报酬量的方式.

2.3 连接主义的机器学习

连接主义方法是将知识表示为由小的个体处理单元组成的网络激活或者抑制状态模式. 受动物大脑结构的启发, 连接主义网络学习是通过训练数据修改网络结构和连接权值来实现的. 在连接系统中, 处理都是并行和分布式的, 没有符号系统中的符号处理. 领域中的模式被编码

成数字向量; 神经元之间的连接也被数字值所代替; 模式的转换也是数字操作的结果———通常用矩阵乘法. 设计者对于连

接系统结构的选择就构成系统的归纳偏置. 应用这些技术的算法和系统结构, 一般都使用训练的方法而不是直接的程序设计. 这也是这种方法最具优势之处.连接主义的机器学习方法主要有以下几种: 连接网络的基础, 感知学习, 反传学习, 竞争学习,Hebbian 一致性学习, 吸引子网络或记忆.

2.4 机器学习: 社会性和涌现性

涌现模型是受遗传和进化的启发而形成的. 遗传算法开始时有一组问题的候选解, 候选解根据它们解决问题的能力来进化: 只有适者生存, 并相互交换产生下一代解. 这样, 解得以不断地增强,就像达尔文所描述的现实世界的进化.涌现学习模型模仿了大自然中最优美和强大的植物与动物的生命演化形式. 它主要应用在遗传算法、分类器系统和遗传程序设计、人工生命与基于社会的学习等方面.

3 国内关于机器学习的研究现状

近年来, 国内对有关机器学习的研究发展较快, 主要表现在以下几个方面.

1)泛化能力的研究. 机器学习所关注的一个根本问题是如何提高学习系统的泛化能力, 或者说是机器在数据中发现的模式怎样才能具有良好的推广能力. 集成学习可以显著提高学习系统的泛化能力, 它因此曾被权威学者Dietterich 列为机器学习四大研究方向之首. 南京大学周志华教授长期从事人工智能中机器学习、数据挖掘、模式识别等方面的研究, 他的研究组在集

成学习领域进行了深入研究, 获得了具有国际影响的成果.由于

利用多个学习器可以获得比单一学习器更好的性能, 因而很多

学者试图通过增加学习器的数目提高泛化能力. 周志华等人提

出选择性集成理论, 证明了从1 组学习器中选择部分学习器比

用所有学习器构建集成学习系统更优越, 并设计出有效的选择

性集成算法[2]. 该研究结果在业界获得高度评价. 其完整研究

结果发表在Artificial Intelligence 上, 并被ISI 列入2000— 2004 年被引用最多的“Top 1%”论文.

理想的学习方法不仅要有强的泛化能力, 还要有好的可理解性. 周志华等人提出了二次学习的思想, 将集成学习用作预处理,

设计出泛化能力强、可理解性好的新型规则学习方法C4.5 Rule -PANE[2] , 引起著名学者Sharkey 的重视;

2)监督学习算法向多示例学习算法转化的一般准则.1997 年, Dietterich 在提出多示例学习这一新型机器学习框架的同时,

还提出一个公开问题, 即如何为常用的机器学习算法设计多示

例版本[2].目前, 很多常用算法都有了多示例版本, 但其转化

过程均是针对具体算法进行的, 缺乏普遍适用性.周志华等人提

出了监督学习算法向多示例学习算法转化的一般准则, 还给出

了基于集成学习的多示例问题的求解方法[2] , 该算法在基准

测试上取得了目前国际上最好的结果, 专家给予了高度评价.

3)机器学习技术在工作流模型设定中的应用. 目前所实现的

工作流管理系统(WFMS), 多是为

了支持严格结构化的业务过程而进行的建模、分析以及设定, 即以业务过程的形式化模型为基础.获取工作流模型是应用中的一个瓶颈, 大约需要花费60%的开发时间获得对过程的认识, 而且所获取的模型都难以支持非预测或发展变化的情形, 即不能对异常或者过程模型的偏差提供充分的支持. 据此, 在WFMS 中集成机器学习部件, 通过处理人工设定的工作流实例提取工作流模型, 进一步获取工作流的自适应性是有意义的[3].

4) 机器学习技术在数据挖掘中的商业应用. 数据库中的知识发现, 是近年来随着数据库和人工智能技术的发展而出现的新兴研究领域, 它主要是利用机器学习的方法从数据库中提取出有用的知识. 数据挖掘是20 世纪80 年代投资人工智能研究项目失败后, 人工智能转入实际应用时提出的,它是一个新兴的、面向商业应用的交叉学科. 数据挖掘的主要方法为统计学方法和机器学习方法.在数据挖掘领域, 机器学习方法以其强大的处理不同类型数据的能力和商业应用的巨大潜力, 受到该领域学术界和商业界越来越多的重视[4].

5)基于机器学习的入侵检测技术. 传统的入侵检测系统IDS 存在大量的问题: 对未知网络攻击的检测能力差, 误报率高, 占用资源多; 对攻击数据的关联和分析功能不足, 导致过多的人工参与;对于现在广泛使用的脚本攻击防御能力差等. 为了在现代高带宽、大规模网络环境下提高入侵检测的效率, 降低漏报率和误报率, 将机器学习方法引入到IDS 中来并采用先进的分

布式体系结构, 已成为IDS 的重要发展方向[5].

6)人工智能原理在人类学习中的应用. 人工智能理论研究表明, 可以将人看成一个智能信息处理系统, 并且人的认知活动具有不同层次, 它可以与计算机的层次相比较. 认知活动的最高层次是思维策略, 中间一层是初级信息处理, 最底层是生理过程, 即中枢神经系统、神经元和大脑的活动;与此相对应的是计算机的程序、计算机语言和硬件. 研究认知过程的主要任务是探求高层思维决策与初级信息处理的关系, 应用计算机程序模拟人的思维策略水平, 用计算机语言模拟人的初级信息处理过程. 计算机也用类似的原理进行工作. 在规定时间内, 计算机存储的记忆相当于机体的状态, 计算机的输入相当于机体施加的某种刺激. 在得到输入后, 计算机便进行操作, 使其内部状态发生变化, 由此产生了机器学习理论[1].

4 国外关于机器学习的研究现状

1)搜索引擎.Google 的成功, 使得Internet 搜索引擎成为新兴产业. 除了现有的众多专营搜索引擎的公司( 如专门针对中文搜索的就有慧聪、百度等) , Microsoft 等巨头也开始投入巨资进行搜索引擎的研发.Google 掘到的第一桶金, 来源于其创始人Larry Page 和Sergey Brin 提出的PageRank 算法.机器学习技术正在支撑着各类搜索引擎( 尤其是贝叶斯学习技术) [6].

2)PAL 计划.2003 年, DARPA 开始启动5 年期PAL 计划

( perceptive assistant that learns) , 首期( 1～1.5 年) 投资2 900 万美元. 这是一个以机器学习为核心的计划( 涉及到

AI 的其他分支, 如知识表示和推理、自然语言处理等) ; 包含2 个子计划: RADAR与CALO.CALO 子计划是整个PAL 计划的核心. 从CALO 的目标来看, DARPA 已经开始把机器学习技术的重要性置于国家安全的角度进行考虑. 美国一些主要大学和公司参加

了这个子计划.

3)汽车自动驾驶. 当汽车在路况复杂的道路上行驶时, 由

计算机控制车辆自动行驶可以大大减少交通事故的发生. 机器

学习算法的核心是决定车辆继续前进, 还是左转、右转. 主要任务是从立体视觉中学习如何在高速公路上行驶, 要根据观察人

类的驾驶行为记录各种图像和操纵指令, 并且要将各种图像和

指令进行正确分类.

4)学习对天文物体进行分类. 利用机器学习方法对天文物

体进行分类, 主要是学习判断新事物, 关键技术是对图像数据

库进行分类.

5)其他应用.a. 生物技术: 可折叠的蛋白质预测, 遗传因

子的微型排列表示; b. 计算机系统性能的预测; c. 银行业的应用: 信用卡盗用检测; d. 属性识别(美国邮政服务); e. 互联网应用: 文档自动分类, 学习用户参数选择.

5 机器学习的发展前景

由于近20 年的飞速发展, 机器学习已具备一定的解决实际问题

的能力, 逐渐成为一种基础性、透明化的支持与服务技术. 将机器学习真正当成一种支持和服务技术, 考虑不同学科领域对机器学习的需求, 找出其中具有共性、必须解决的问题, 进而着手研究, 一方面可以促进和丰富ML本身的发展, 另一方面可以促进使用ML 技术的学科领域的发展[6].

机器学习是一个活跃且充满生命力的研究领域, 同时也是一个困难和争议较多的研究领域. 从目前研究趋势看, 机器学习今后主要的研究方向如下: 1)人类学习机制的研究; 2)发展和完善现有学习方法, 同时开展新的学习方法的研究; 3)建立实用的学习系统, 特别是开展多种学习方法协同工作的集成化系统的研究; 4)机器学习有关理论及应用的研究[7].

随着应用的不断深入, 出现了很多被传统机器学习研究忽视但却非常重要的问题. 例如: 传统的ML 技术只考虑同一代价和平衡数据, 笔者认为这是不全面的. 当利用闭路电视监控考场纪律时, 将“守纪学生误认为作弊学生”的代价与将“作弊学生误认为守纪学生”的代价是不同的, 因为守纪学生样本远远多于作弊学生样本. 另外, 传统的ML 技术多考虑泛化而不考虑理解, 笔者认为这也是不恰当的. 因为就上述例子而言, 还需要向学校纪律部门解释为什么做出这样的判断. 鉴于以上原因, 应用驱动将成为必然, 针对某个或某类应用的特定学习方法将不断涌现. 对机器学习的检验问题只能在应用中检验自己. 对机器学习结果的解释, 将逐渐受到重视.

参考文献:

[1] 张震, 王文发. 人工智能原理在人类学习中的应用[J]. 吉

首大学学报: 自然科学版, 2006(1) : 39- 42.

[2] 国家自然科学基金委员会. 国家杰出青年科学基金获得者

及创新研究群体学术带头人选介[EB Y OL]. (2004- 03-

01)[2006- 06- 12].http : ∥https://www.360docs.net/doc/265902596.html,. cn Y nsfc Y cen

Y ndbg Y2004ndbg Y03Y010.htm.

[3] 孟祥山, 罗宇. “机器学习”在工作流模型设定中的应用[J]. 计算机应用与软件, 2006(1) : 45- 47.

[4] 黄林军, 张勇, 郭冰榕.机器学习技术在数据挖掘中的商业

应用[J].中山大学学报: 自然科学版, 2005(6): 145- 148. [5] 张义荣, 肖顺平, 鲜明, 等. 基于机器学习的入侵检测技

术概述[J]. 计算机工程与应用, 2006(2) : 7- 10.

[6] 周志华. 机器学习的研究[C ]∥国家自然科学基金委员会

信息科学部AI 战略研讨会文集. 北京: 国家自然科学

基金委员会信息科学部, 2006 : 9- 19.

[7] 王永庆. 人工智能原理与方法[M]. 陕西: 西安交通大学出

版社, 1998 : 370.

工业机器人发展现状与趋势

工业机器人发展现状与趋势工业机器人是集机械、电子、控制、计算机、传感器、人工智能等多学科先进技术于一体的现代制造业重要的自动化装备。自从1962年美国研制出世界上第一台工业机器人以来，机器人技术及其产品发展很快，已成为柔性制造系统(FMS)、自动化工厂(FA)、计算机集成制造系统(CIMS)的自动化工具。广泛采用工业机器人，不仅可提高产品的质量与产量，而且对保障人身安全，改善劳动环境，减轻劳动强度，提高劳动生产率，节约原材料消耗以及降低生产成本，有着十分重要的意义。和计算机、网络技术一样，工业机器人的广泛应用正在日益改变着人类的生产和生活方式。一、工业机器人技术现状及国内外发展的趋势工业机器人是最典型的机电一体化数字化装备，技术附加值很高，应用范围很广，作为先进制造业的支撑技术和信息化社会的新兴产业，将对未来生产和社会发展起着越来越重要的作用。国外专家预测，机器人产业是继汽车、计算机之后出现的一种新的大型高技术产业。据联合国欧洲经济委员会(UNECE)和国际机器人联合会(IFR)的统计，世界机器人市场前景看好，从20世纪下半叶起，世界机器人产业一直保持着稳步增长的良好势头。进入20世纪90年代，机器人产品发展速度加快，年增长率平均在10％左右。2004年增长率达到创记录的20％。其中，亚洲机器人增长幅度最为突出，高达43%，如图1所示。

各区域用户工业机器人定购指数（以1996年作为100）国外机器人领域发展近几年有如下几个趋势： 1．工业机器人性能不断提高（高速度、高精度、高可*性、便于操作和维修），而单机价格不断下降，平均单机价格从91年的10．3万美元降至97年的6．5万美元。 2．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；由关节模块、连杆模块用重组方式构造机器人整机；国外已有模块化装配机器人产品问市。 3．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，控制柜日见小巧，且采用模块化结构；大大提高了系统的可*性、易操作性和可维修性。 4．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，装配、焊接机器人还应用了视觉、力觉等传感器，而遥控机器人则采用视觉、声觉、力觉、触觉等多传感器的融合技术来进行环境建模及决策控制；多传感器融合配置技术在产品化系统中已有成熟应用。

智能机器人的现状和发展趋势

智能移动机器人的现状和发展姓名学号班级：

智能移动机器人的现状及其发展摘要：本文扼要地介绍了智能移动机器人技术的发展现状，以及世界各国智能移动机器人的发展水平，然后介绍了智能移动机器人的分类，从几个典型的方面介绍了智能移动机器人在各行各业的广泛应用，讨论了智能移动机器人的发展趋势以及对未来技术的展望，最后提出了自己的建议和设想，分析我国在智能移动机器人方面发展并提出期望。关键词：智能移动机器人；发展现状；应用；趋势 1引言机器人是一种可编程和多功能的，用来搬运材料、零件、工具的操作机，或是为了执行不同的任务而具有可改变和可编程动作的专门系统。智能移动机器人则是一个在感知 - 思维 - 效应方面全面模拟人的机器系统，外形不一定像人。它是人工智能技术的综合试验场，可以全面地考察人工智能各个领域的技术，研究它们相互之间的关系。还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。一部智能移动机器人应该具备三方面的能力：感知环境的能力、执行某种任务而对环境施加影响的能力和把感知与行动联系起来的能力。智能移动机器人与工业机器人的根本区别在于，智能移动机器人具有感知功能与识别、判断及规划功能[1] 。随着智能移动机器人的应用领域的扩大，人们期望智能移动机器人在更多领域为人类服务，代替人类完成更复杂的工作。然而,智能移动机器人所处的环境往往是未知的、很难预测。智能移动机器人所要完成的工作任务也越来越复杂; 对智能移动机器人行为进行人工分析、设计也变得越来越困难。目前，国内外对智能移动机器人的研究不断深入。本文对智能移动机器人的现状和发展趋势进行了综述，分析了国内外的智能移动机器人的发展，讨论了智能移动机器人在发展中存在的问题，最后提出了对智能移动机器人发展的一些设想。 1

机器翻译技术的现状及发展

机器翻译技术的现状及发展篇一：翻译技术领域的现状与展望翻译技术领域的现状与展望作者/王华伟闫栗丽翻译技术在中国的发展起步相对较晚，但近年来随着中国在全球化进程中扮演着越来越重要的角色，催生了对翻译技术发展的强烈需求。中国翻译行业在借鉴国外同行经验的基础上，于2007~2008年间在翻译技术领域取得了一系列成就，也还存在一些亟需改进的方面，而这也势必对我国的翻译行业产生深远的影响。 1. 国家政策的扶持和行业协会的推动翻译技术的发展直接关乎整个翻译行业的翻译质量及效率，具备巨大的行业经济效益。对此，科技部、财政部都给与了足够的重视并拨出专项资金进行扶持。在 2008年的科技型中小企业技术创新基金扶持计划中，中文及多语种处理软件及基于先进语言学理论的中文翻译软件等赫然在列。而中国译协也在 2008年的第 18届世界翻译大会上专门辟出了翻译工具、术语管理和翻译标准等分论坛，着力推动翻译技术的探讨与发展。 2. 词典型翻译软件百花齐放词典是使用范围最广的工具，它以使用便利的优势，几乎占据了每个计算机的桌面，无论语言学习者还是专业翻译人员，几乎都是必备工具。词典的发展从最早的单机版本发展至今，已经有很多种产品

类型，我们可以见到的有：电子词典、在线词典、手机词典等。“金山词霸”的网络版本“爱词霸”在这两年获得了长足的发展，如爱词霸网络释义、谷歌金山词霸等一系列特色功能的相继推出，将词典型翻译软件的应用领域从传统的桌面计算机拓展到网络、手机等，并取得了显著的成功。另外，类似Google这样的搜索引擎，因为信息量大，检索便利而成为很多专业翻译人员查词的重要辅助工具。值得一提的是，最新推出的基于用户发布词汇的词典编撰系统之前的词典都是以各大出版社公开发行的词典中的词条作为主要数据库来源，为用户提供查询上的便利。但是传统出版词典的方式存在发布周期长、词汇更新慢的缺陷。互联网的出现，加快了信息传播的速度，也提高了用户对新词更新的速度要求，为了方便新词汇的发布，词典编纂系统也就应运而生了。这是一种基于用户的词典发布系统，用户可自由发起词典编纂项目，自发组织人员参与项目，发起人可以按照需要给小组成员分配不同的权限，将词汇添加等基本工作和审核人员明确区分，既确保了词典的专业性，也实现了专业语料的适时更新和发布。 3. 机器翻译应用软件融入普通网民生活谷歌语言工具的推出打破了互联网语言的藩篱，用户可以方便简捷地将目标语言的网页转化成自己的母语进行浏览。事实上，这也是机器翻译软件的一个应用领域，而国内的相关软件如金山快译等，专注于为普通网民提供更为友好的英中日网站浏览体验，并在亚洲语言的机器翻译应用方面积累了大量的经验。其他如华建等长期从事机器

机器学习研究现状与发展趋势

机器学习研究现状与发展趋势计算机科学与软件学院引言: 机器能否象人类一样能具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对奕中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计算机程序的理论方法的学科。近年来机器学习理论在诸多应用领域得到成功的应用与发展，已成为计算机科学的基础及热点之一。机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展。一.机器学习的发展史机器学习是人工智能研究较为年轻的分支，它的发展过程大体上可分为4个时期。第一阶段是在50年代中叶到60年代中叶，属于热烈时期。…> 第二阶段是在60年代中叶至70年代中叶，被称为机器学习的冷静时期。第三阶段是从70年代中叶至80年代中叶，称为复兴时期。机器学习的最新阶段始于1986年。机器学习进入新阶段的重要表现在下列诸方面： (1) 机器学习已成为新的边缘学科并在高校形成一门课程。它综合应用心理学、生物学和神经生理学以及数学、自动化和计算机科学形成机器学习理论基础。 (2) 结合各种学习方法，取长补短的多种形式的集成学习系统研究正在兴起。特别是连接学习符号学习的耦合可以更好地解决连续性信号处理中知识与技能的获取与求精问题而受到重视。 (3) 机器学习与人工智能各种基础问题的统一性观点正在形成。例如学习与问题求解结合进行、知识表达便于学习的观点产生了通用智能系统SOAR的组块学习。类比学习与问题求解结合的基于案例方法已成为经验学习的重要方向。 (4) 各种学习方法的应用范围不断扩大，一部分已形成商品。归纳学习的知识获取工具已在诊断分类型专家系统中广泛使用。连接学习在声图文识别中占优势。分析学习已用于设计综合型专家系统。遗传算法与强化学习在工程控制中有较好的应用前景。与符号系统耦合的神经网络连接学习将在企业的智能管理与智能机器人运动规划中发挥作用。 (5) 与机器学习有关的学术活动空前活跃。国际上除每年一次的机器学习研讨会外，还有计算机学习理论会议以及遗传算法会议。二.机器学习分类 1、基于学习策略的分类学习策略是指学习过程中系统所采用的推理策略。一个学习系统总是由学习和环境两部分组成。由环境（如书本或教师）提供信息，学习部分则实现信息转换，用能够理解的形

智能机器人的现状及其发展趋势

智能机器人的现状及其发展趋势摘要：本文扼要地介绍了智能机器人技术的发展现状，以及世界各国智能机器人的发展水平，然后介绍了智能机器人的分类，从几个典型的方面介绍了智能机器人在各行各业的广泛应用，讨论了智能机器人的发展趋势以及对未来技术的展望，最后提出了自己的建议和设想，分析我国在智能机器人方面发展并提出期望。关键词：智能机器人；发展现状；应用；趋势 The status and trends of intellectual robot Abstract: This paper briefly discusses the development, status of intellectual robot, development of intellectual robot in many countries. And then it presents the categories of intellectual robot, talks about the extensive applications in all works of life from several typical aspects and trends of intellectual robot. After that, it puts forward prospects for future technology, suggestion and a tentative idea of myself, and analyses the development of intellectual robot in China. Finally, it raises expectations of intellectual robot in China. Key words: intellectual robot; development status; application; trend 1 引言机器人是一种可编程和多功能的，用来搬运材料、零件、工具的操作机，或是为了执行不同的任务而具有可改变和可编程动作的专门系统。智能机器人则是一个在感知- 思维- 效应方面全面模拟人的机器系统，外形不一定像人。它是人工智能技术的综合试验场，可以全面地考察人工智能各个领域的技术，研究它们相互之间的关系。还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。一部智能机器人应该具备三方面的能力：感知环境的能力、执行某种任务而对环境施加影响的能力和把感知与行动联系起来的能力。智能机器人与工业机器人的根本区别在于，智能机器人具有感知功能与识别、判断及规划功能[1]。随着智能机器人的应用领域的扩大，人们期望智能机器人在更多领域为人类服务，代替

机器学习的发展现状及其相关研究

机器学习的发展现状及其相关研究摘要: 阐述了机器学习的概念及其研究现状, 讨论了其中的关键技术、难点及应用与发展前景, 并对机器学习研究中的有关问题提出一些看法. 关键词: 人工智能; 机器学习; 泛化 1 机器学习的发展现状机器学习(machine learning)是继专家系统之后人工智能应用的又一重要研究领域, 也是人工智能和神经计算的核心研究课题之一. 机器学习是人工智能领域中较为年轻的分支, 其发展过程可分为4 个时期: 1)20 世纪50 年代中期到60 年代中期, 属于热烈时期; 2)60 年代中期至70 年代中期,被称为机器学习的冷静时期; 3)70 年代中期至80 年代中期, 称为复兴时4)1986 年开始是机器学习的最新阶段. 这个时期的机器学习具有如下特点: 机器学习已成为新的边缘学科并在高校成为一门独立课程; 融合了各种学习方法且形式多样的集成学习系统研究正在兴起; 机器学习与人工智能各种基础问题的统一性观点正在形成; 各种学习方法的应用范围不断扩大, 一部分应用研究成果已转化为商品; 与机器学习有关的学术活动空前活跃. 2 机器学习的概念、类型及特点 2.1 机器学习的基本概念

机器学习的研究主旨是使用计算机模拟人类的学习活动, 它是研究计算机识别现有知识、获取新知识、不断改善性能和实现自身完善的方法.机器学习的研究目标有3 个: 1)人类学习过程的认知模型; 2)通用学习算法; 3)构造面向任务的专用学习系统的方法.在图1 所示的学习系统基本模型中, 包含了4 个基本组成环节. 环境和知识库是以某种知识表示形式表达的信息的集合, 分别代表外界信息来源和系统所具有的知识; 环境向系统的学习环节提供某些信息, 而学习环节则利用这些信息对系统的知识库进行改进, 以提高系统执行环节完成任务的效能. “执行环节”根据知识库中的知识完成某种任务, 同时将获得的信息反馈给学习环节. 2.2 基于符号的机器学习基于符号的机器学习, 是基于代表问题域中实体和关系的符号集合. 符号学习算法就是利用这些符号推出新颖、有效的一般规则, 规则同时也用这些符号进行表述. 1)变型空间搜索. 候选解排除算法依赖于变量空间这个概念, 是与训练实例一致的所有概念描述的集合. 这些算法有更多实

机器人研究现状及发展趋势

机器人发展历史、现状、应用、及发展趋势院系：信息工程学院专业：电子信息工程姓名：王炳乾

机器人发展历史、现状、应用、及发展趋势摘要：随着计算机技术不断向智能化方向发展,机器人应用领域的不断扩展和深化,机器人已成为一种高新技术产业,为工业自动化发挥了巨大作用,将对未来生产和社会发展起越来越重要的作用。文章介绍了机器人的国内国外的发展历史、状况、应用、并对机器人的发展趋势作了预测。关键词：机器人;发展；现状；应用；发展趋势。 1．机器人的发展史 1662年，日本的竹田近江利用钟表技术发明了自动机器玩偶并公开表演。 1738年，法国技师杰克·戴·瓦克逊发明了机器鸭，它会嘎嘎叫、进食和游泳。 1773年，瑞士钟表匠杰克·道罗斯发明了能书写、演奏的玩偶，其体内全是齿轮和发条。它们手执画笔、颜料、墨水瓶，在欧洲很受青睐。保存至今的、最早的机器人是瑞士的努萨蒂尔历史博物馆里少女形象的玩偶，有200年历史。她可以用风琴演奏。 1893年，在机械实物制造方面，发明家摩尔制造了“蒸汽人”，它靠蒸汽驱动行走。 20世纪以后，机器人的研究与开发情况更好，实用机器人问世。 1927年，美国西屋公司工程师温兹利制造了第一个机器人“电报箱”。它是电动机器人，装有无线电发报机。 1959年第一台可以编程、画坐标的工业机器人在美国诞生。现代机器人有关现代机器人的研究始于20世纪中期，计算机以及自动化技术的发展、原子能的开发利用是前提条件。1946年，第一台数字电子计算机问世。随后，计算机大批量生产的需要推动了自动化技术的发展。1952年，数控机床诞生，随后相关研究不断深入；同时，各国原子能实验室需要代替人类处理放射性物质的机械。

工业机器人研究现状及发展趋势_曹文祥

2011／2 机械制造49卷第558期纵观历史研究文献，国内外对工业机器人的研究热点问题主要分为3个方面：仿生机器人与新型机构、机器人的定位与地图创建、机器人-环境交互。本文将分别就以上3方面对研究现状进行简要分析，并对工业机器人的发展趋势作了预测。 1工业机器人的发展历程自1954年美国戴沃尔最早提出了工业机器人的概念以来，工业机器人就得以不断地发展。概括起来，工业机器人的发展历程为3代：第1代：示教再现型机器人，但不具备反馈能力。如郭勇等人[1]研制的挖掘机手柄自动操作机构，该机构结构简单，能够实现动作示教再现。第2代：有感觉的机器人，不仅具有内部传感器，而且具有外部传感器，能获得外部环境信息。如P.l Liljeb.ck 等人研制的蛇形机器人就装有内部测转速的传感器，以及外部测力的传感器，该机器人能够在不规则环境中具有一定的运动能力。第3代：智能机器人。定义为“可自动控制的装置，能理解指示命令，感知环境，识别对象，规划自身操作程序来完成任务”。如John Vannoy 等人采用实时可适应性的运动规划（RAMP ）算法的PUMA560机械臂，它能在复杂动态环境中自动识别来自不同方向的移动或静止的障碍物，主动规划路径，进而完成预定任务。 2 国外工业机器人的研究现状 2.1 仿生机器人与新型机构对人的研究，国外侧重于对人行走时的步态分析，通过对人脚形状的分析，得出具有圆形截面的脚趾和脚后跟以及具有扁平截面的连接脚趾和脚后跟的中间部分具有最佳的动力学性能。对人形机器人步态规划问题，Xia Zeyang 等人提出了一种基于样品的决定性的脚步规划方法，该方法综合考虑了自身独特的运动能力和稳定性。对于在不同类型障碍的复杂环境中脚步规划，Yasar Ayaz 采用与人走近障碍物时绕过的方法，通过脚步实时的生成成功避开障碍物。此外，对于双足步行机器人的复杂地面运动的研究也有新的进展，研究出一种新型的双足机构，能实现不平区域稳定地行走，该足由4个分别带光学传感器的鞋钉组成，总重1.5kg 。对动物的研究则表现为对诸如蛇、鱼的结构以及运动性能的研究。仿蛇机器人不仅可以作为管道检测装置，也可以作为地震或矿难探索装置，更可以当作极地探测器来进行科研活动。Shigeo 和Hiroya Yamada 就将仿蛇机器人的机械结构分为5种类型：活动的弯曲关节式；活动的弯曲和拉伸关节式；活动的弯曲关节和活动的车轮式；被动弯曲关节和活动车轮式；活动的弯曲关节和履带式。Aksel Andreas Transeth 等采用摩擦力模型方法建立了一蛇形机器人模型，该机器人能与包括地面的障碍物以外的物体接触，对地震或矿区救援很有帮助。Kristin Y.Pettersen 等人对蛇形机器人在存在障碍物环境中运动进行了复合建模，仿真结构证明该模型能实现不规则环境中的一般运动。但蛇形机器人目前要真正达到在复杂环境中畅通无阻地运动，还有待进一步研究。对海洋的开发，相对于其它的水下自动化装置，仿生鱼具有更好的推进力和流体适应性。其研究主要体现在结构和运动特性上。Jun Gao 和K.H.Low 等人对胸鳍驱动和尾鳍驱动鱼形机器人进行了分析，讨论了鱼结构和运动各参数的关系。 Yu Zhong 等人对由阀体与尾鳍构成的机器人鱼的运动性能进行了研究，采用量纲分析方法，建立了一种能预测运动的机器鱼模型。Giuseppe Tortora 等人设计了工业机器人研究现状及发展趋势 □ 曹文祥 □ 冯雪梅武汉理工大学机电工程学院武汉 430070 摘要：作为最典型的机电一体化的高科技装备，工业机器人得到了非常广泛的应用。综述了国内外工业机器人的研究热点现状，并预测了其发展趋势。关键词：工业机器人现状发展趋势中图分类号：TP242.2 文献标识码：A 文章编号：1000－4998(2011)02－0041－03 Abstract:As the typical high-tech equipment of mechanoelectronic integration,industrial robots have been widely used.The current situation of research hot points of IR is presented and the developing trend forecasted. Key Words:Industrial Robot (IR)Current Situation Developing Trend 收稿日期：2010年9月 41

智能机器人的现状及其发展

智能机器人的现状及其发展学院：电气信息学院姓名：张琪学号：1143031172 摘要：本文主要介绍了智能机器人的发展现状、关键技术及其在各个领域的应用。然后总结了智能机器人在发展中存在的一些问题。最后提出了自己的建议和设想。关键词：智能机器人；发展现状；传感器技术；智能控制；人机接口；应用 1.引言机器人是一种可编程和多功能的，用来搬运材料、零件、工具的操作机，或是为了执行不同的任务而具有可改变和可编程动作的专门系统。智能机器人则是一个在感知- 思维- 效应方面全面模拟人的机器系统，外形不一定像人。它是人工智能技术的综合试验场，可以全面地考察人工智能各个领域的技术，研究它们相互之间的关系。还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。一部智能机器人应该具备三方面的能力：感知环境的能力、执行某种任务而对环境施加影响的能力和把感知与行动联系起来的能力。智能机器人与工业机器人的根本区别在于，智能机器人具有感知功能与识别、判断及规划功能。随着智能机器人的应用领域的扩大，人们期望智能机器人在更多领域为人类服务，代替人类完成更复杂的工作。然而,智能机器人所处的环境往往是未知的、很难预测。智能机器人所要完成的工作任务也越来越复杂;对智能机器人行为进行人工分析、设计也变得越来越困难。目前，国内外对智能机器人的研究不断深入。本文对智能机器人的现状和发展趋势进行了综述，分析了国内外的智能机器人的发展，讨论了智能机器人在发展中存在的问题，最后提出了对智能机器人发展的一些设想。 2.国内外在该领域的发展现状综述智能机器人是第三代机器人，这种机器人带有多种传感器,能够将多种传感器得到的信息进行融合，能够有效的适应变化的环境，具有很强的自适应能力、学习能力和自治功能。目前研制中的智能机器人智能水平并不高，只能说是智能机器人的初级阶段。智能机器人研究中当前的核心问题有两方面：一方面是，提高智能机器人的自主性，这是就智能机器人与人的关系而言，即希望智能机器人进一步独立于人，具有更为友善的人机界面。从

机器翻译研究现状与展望1 Machine TranslationPast,Present,future

机器翻译研究现状与展望1 戴新宇，尹存燕，陈家骏，郑国梁（南京大学计算机软件新技术国家重点实验室，南京 210093）（南京大学计算机科学与技术系，南京 210093）摘要：本文回顾机器翻译研究的历史，介绍典型的机器翻译方法，包括：基于规则、基于统计以及基于实例的机器翻译方法；针对机器翻译的研究现状，详细介绍和分析了基于混合策略的机器翻译方法，对统计以及机器学习方法在机器翻译中的应用进行了描述；论文还介绍了当前机器翻译评测技术；最后对机器翻译进行总结和展望。关键字：机器翻译，基于规则，基于统计，基于实例，混合策略，机器学习 Machine Translation:Past,Present,future Dai Xinyu, Yin Cunyan, Chen Jiajun and Zheng Guoliang (State Key Laboratory for Novel Software Technology, Department of Computer Science & Technology Nanjing University, Nanjing 210093) Abstract：This paper firstly presents the history of machine translation, and introduces some classical paradigms of machine translation: RBMT, SBMT and EBMT. Secondly, we introduce the recent research on machine translation, and describe the hybrid strategies on machine translation in detail, and discuss the applications of machine learning for machine translation. We also analyze the current techniques about evaluation on machine translation. Finally, we draw a conclusion and prospect on the research of machine translation. Keywords：Machine Translation, RBMT, SBMT,EBMT, HSBMT, Machine Learning. 1本论文工作得到863课题资助（编号：2001AA114102, 2002AA117010-04）戴新宇博士生，主要研究自然语言处理；尹存燕助教，主要研究自然语言处理；陈家骏教授，博士生导师，主要研究自然语言处理、软件工程；郑国梁教授，博士生导师，主要研究软件工程。

机器学习研究现状与发展趋势

机器学习研究现状与发展趋势摘要: 机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演译。机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计算机程序的理论方法的。近年来机器学习理论在诸多应用领域得到成功的应用与发展，已成为计算机科学的基础及热点之一。采用机器学习方法的计算机程序被成功用于机器人下棋程序、语音识别、信用卡欺诈监测、自主车辆驾驶、智能机器人等应用领域，除此之外机器学习的理论方法还被用于大数据集的数据挖掘这一领域。实际上，在任何有经验可以积累的地方，机器学习方法均可发挥作用。机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。本文主要叙述了 1.机器学习的研究现状,包括定义,应用领域,研究意义,发展史,系统结构,和对其进行各种角度的分类. 2.机器学习的发展趋势。引言: 1

按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。西蒙对学习给出的定义本身，就说明了学习的重要作用。机器能否象人类一样能具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对奕中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。什么叫做机器学习？至今，还没有统一的“机器学习”定义，而且也很难给出一个公认的和准确的定义。为了便于进行讨论和估计的进展，有必要对机器学习给出定义，即使这种定义是不完全的和不充分的。顾名思义，机器学习是研究如何使用机器来模拟人类学习活动的一门。稍为严格的提法是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机；现在是电子计算机，以后还可能是中子计算机、光子计算机或神经计算机等等。机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计算机程序的理论方法的。近年来机器学习理论在诸多应用领域得到成功的应用与发展，已成为计算机科学的基础及热点之一。机器学习已经有了十分广泛的应用例如搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。与机器学习有关的学术活动空前活跃。国际上除每年一次的机器学习研讨会外，还有计算机学习理论会议以及遗传算法会议。机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计 1

人工智能学习研究的现状及其发展趋势

浅谈人工智能学习研究的现状及其发展趋势摘要：自上世纪五十年代以来，经过了几个阶段的不断探索和发展，人工智能在模式识别、知识工程、机器人等领域已经取得重大成就，但是离真正意义上的的人类智能还相差甚远。但是进入新世纪以来，随着信息技术的快速进步，与人工智能相关的技术水平也得到了相应的提高。尤其是随着因特网的普及和应用，对人工智能的需求，变得越来越迫切，也给人工智能的研究提供了新的更加广泛的舞台。本文强调在当今的网络时代，作为信息技术的先导，人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向，要在学科交叉研究中实现人工智能学习的发展与创新，就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点，尤其是重视认知物理学的研究。自然语言是人类思维活动的载体，是人工智能学习研究知识表示无法回避的直接对象，要对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法，研究网络拓扑的演化与网络动力学行为，研究网络化了的智能，从而适应信息时代数据挖掘的普遍要求，迎接人工智能

学习与应用领域新的辉煌。 1.前言自20世纪90年代以来，随着全球化的形式与国际竞争的日益激烈，对人工智能技术的研究与应用变的越来越被人们关注，且人工智能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。人工智能已对现实社会做出了非常重大的贡献，而且其作用已在各领域发挥得淋漓尽致，特别是在计算机领域，人工智能的应用更加突出，可以说，哪里有计算机应用，哪里就在应用人工智能；哪里需要自动化或半自动化，哪里就在应用人工智能的理论、方法和技术。目前，人工智能应用的主要领域，也就是计算机应用的主要领域。人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲，人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的，它一方面成为人类智能的延长，另一方面又为探讨人类智能机理提供了新的理论和研究方法。学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具有以下特点：学习行为一般具有明显的目的性，其结果是获

大数据分析中机器学习研究

Artificial Intelligence and Robotics Research 人工智能与机器人研究, 2017, 6(1), 16-21 Published Online February 2017 in Hans. https://www.360docs.net/doc/265902596.html,/journal/airr https://https://www.360docs.net/doc/265902596.html,/10.12677/airr.2017.61003 文章引用: 洪歧, 杨刚, 惠立山. 大数据分析中机器学习研究[J]. 人工智能与机器人研究, 2017, 6(1): 16-21. The Study of Machine Learning in Big Data Analysis Qi Hong, Gang Yang, Lishan Hui School of Mathematics and Computer Science, Shaanxi Sci-Tech University, Hanzhong Shaanxi Received: Dec. 29th , 2016; accepted: Jan. 13th , 2017; published: Jan. 18th , 2017 Abstract Machine learning played a more and more important role in the analysis of large data. The main methods and techniques of machine learning under the background of large data were summa- rized. Firstly, the basic model and classification of machine learning were introduced. Then, sev-eral key technologies of machine learning in large data environment were described. And the ar-ticle showed the popular four kinds of big data machine learning systems, and analyzed their cha-racteristics. In the end, it pointed out the main research direction and the challenges of the big data machine learning. Keywords Big Data, Machine Learning, Semi-Supervised Learning, Machine Learning System in Big Data, Probabilistic Graph Model, R Language 大数据分析中机器学习研究洪歧，杨刚，惠立山陕西理工大学，数学与计算机科学学院，陕西汉中收稿日期：2016年12月29日；录用日期：2017年1月13日；发布日期：2017年1月18日摘要机器学习在大数据分析中起着越来越重要的作用，本文主要对大数据背景下机器学习方法和技术等进行了归纳和总结。首先对机器学习的基本模型、分类进行简介；然后对大数据环境下的机器学习的几个关键技术进行了叙述；接着展示了目前流行的四种大数据机器学习系统，并分析了其特点；最后指明了大

智能机器人的现状与发展

智能机器人的现状与发展 □董文清山东淄博实验中学山东淄博255000 摘要：当前，机器人技术正快速发展。对智能机器人进行了概述，介绍了教育机器人与机器人竞赛，分析了智能足球机器人的系统组成。与此同时，从多传感器信息融合技术、视觉系统、路径规划、人工智能应用等方面介绍了智能机器人的研究领域。关键词：智能机器人现状发展中图分类号:TH122文献标志码:A文章编号：1000-4998(2019)01-0036-03 Abstract:Currently,the robot technology is developing rapidly.The intelligent robot was summarized, the educational robot and robot competition were introduced,and the system composition of the intelligent soccer robot was analyzed.In the meanwhile,the research field of intelligent robots was introduced from the aspects of multi—sensor information fusion technology,vision system,path planning and Al application. Key Words：Intelligent Robot Present Status Development 1智能机器人概述机器人技术经过几十年的快速发展，已从工业领域的广泛应用，拓展到服务、医疗、军工和救灾领域。按照应用的不同，目前智能机器人可分为工业机器人和服务机器人两大类。服务机器人又可分为个人服务机器人和专业服务机器人。目前在服务机器人领域，智能机器人的主要类型有家庭智能助理机器人、教育机器人、教师机器人、工业制造培训用机器人、手术医疗培训用机器人、护理机器人和安全教育机器人等o未来，机器人将成为人们日常生活的一部分，并彻底改变人们的生活方式。随着计算机、自动控制、微电子技术、人工智能等技术的发展，机器人技术的智能化程度正越来越高。传感器的应用，使机器人具有视觉、听觉和嗅觉。控制系统自学习和自适应能力的加强，使机器人具有感知、思维和互动功能。世界各国的高校和科研机构都在研究具有人工智能的服务机器人。谷歌公司收购了八家行业内公司，主要从事视觉、语音、类人和智能化技术工作，从而使机器人能学习写诗、写小说、作曲等，并可进行足球运动。当前，智能服务机器人正在迅速发展。 2教育机器人当前，智能服务机器人在教育领域表现出了无可比拟的价值和前景，其多学科交叉融合的特点为培养收稿日期：2018年11月 2019,57(1)高素质和复合型人才，特别是人工智能研究方面的人才提供了良好的平台。在智能服务机器人领域，机器人硬件与编程软件相结合，可以培养学习者的思维能力和学习兴趣。目前，全球排名前十的教育机器人研究机构，以及德国Fischertechnik、日本本田电机等,已研制成功多种教育机器人产品。在国内，也有不少企业研发了教育机器人。其中，能力风暴教育机器人在发展中已取得600多项专利，形成120多种机型，包括语音互动、唱歌跳舞、类人等类型。科大讯飞的教育机器人载入了TY OS智能系统，具有理解能力、表达能力和一定的智商，通过自学习不断成长，从能听会说发展为能理解会思考。优必选阿尔法教育机器人一直以高自由度、智能互动、拟人造型而闻名，借助自然的语音对话，能实现人机对话、多人通话，并能实现运动、舞蹈等各种功能。由此可见，研发与应用教育机器人，除了要提高机器人技术之外，还需要加强人工智能、语音识别和仿生等方面的技术，使教育机器人能像真人一样进行思考、动作和适应环境。 3机器人竞赛为了推动智能机器人技术的发展，培养青少年的创新能力，在世界各地有各种机器人竞赛，主要包括机器人足球赛、机器人灭火竞赛、机器人综合竞赛、机器人格斗大赛、机器人轨迹赛等。机器人格斗大赛在全球已开展了几十年，以英国的机器人大擂台和美国的博兹大战较为出名。日本也曾举办两足机器人竞技格斗机械制造总第653期曲占

机器学习研究与应用新进展

第10章机器学习研究与应用新进展徐从富李石坚王金龙（浙江大学人工智能研究所，杭州 310027） 2005年10月7日第一稿 2006年10月16日第二稿 10.1 机器学习研究与应用综述 10.1.1 机器学习的发展概况机器学习（Machine Learning）不仅是人工智能的一个核心研究领域，而且已成为整个计算机领域中最活跃、应用潜力最明显的领域之一，它扮演着日益重要的角色。近年来，欧美各国都投入了大量人财物进行机器学习的研究和应用，Intel、IBM、波音、微软、通用电器等大型公司也积极开展该领域的研究和开发，而且已有不少研究成果进入产品。美国航空航天局JPL实验室的科学家们在2001年9月出版的《Science》上撰文指出：“机器学习对科学研究的整个过程正起到越来越大的支持作用，……，该领域在今后的若干年内将取得稳定而快速的发展。”此外，机器学习研究的热门程度还可以从该领域的国际权威期刊《机器学习研究学报》（Journal of Machine Learning Research，简称JMLR）的影响因子（Impact factor）看出，据美国科学引文检索公司（ISI）统计，2004年该学报的影响因子已达到5.952，这是除了《ACM计算综述》（ACM Computing Survey）以外影响因子最高的计算机类期刊。需要特别说明的是，《ACM计算综述》每年只发表12篇世界级权威计算机专家关于某个研究方向最新研究进展的综述文章，一般并不发表研究论文，2004年其影响因子为10.037。 1997年Tom M. Mitchell在“Machine Learning”一书中给出了机器学习的经典定义——“计算机利用经验改善系统自身性能的行为。”还有人认为，机器学习是“神经科学（含认知科学）＋数学＋计算”的有机结合，数学则填补了神经科学与计算之间的鸿沟。与很多新兴学科一样，机器学习也是一个多学科交叉的产物，它吸取了人工智能、概率统计、神经生物学、认知科学、信息论、控制论、计算复杂性理论、哲学等学科的成果。实践证明，机器学习在很多应用领域发挥了重要的实用价值，特别是在数据挖掘、语音识别、图像识别、机器人、车辆自动驾驶、生物信息学、信息安全、遥感信息处理、计算金融学、工业过程控制等

机器翻译技术的研究和应用综述

机器翻译技术的研究和应用综述 ACM Matrix_68 摘要：随着互联网的日益发展，网络信息的激增，国际社会交流愈加频繁，机器翻译已成为克服交流时所产生的语言障碍的重要手段之一。本文回顾机器翻译研究的历史，介绍典型的机器翻译方法，在分析机器翻译内涵的基础上，阐述了机器翻译的现状，探讨了机器翻译所面临的问题及机器翻译的发展趋势，对统计以及机器学习方法在机器翻译中的应用进行了描述；论文还介绍了当前机器翻译评测技术；最后对机器翻译进行总结和展望。关键字：机器翻译；自然语言；基于规则；基于统计；基于实例；混合策略；机器学习 1引言近年来，自然语言处理的研究已经成为热点，而机器翻译作为自然语言研究领域的一个重要分支，同时也是人工智能领域的一个课题，同样为大家所关注。当电子计算机1946年问世的时候，人们就提出了机器翻译的想法，并且在1954年进行了第一次机器翻译试验。然而与后来的各种语言信息处理研究和应用（语言信息检索、文本自动分类、自动文摘、信息提取等等）相比，机器翻译却是进展最慢的。从上个世纪40年代英国工程师Booth 和美国工程师Weaver提出利用计算机进行翻译的想法，到50年代欧美国家投入大量的人力、物力致力于机器翻译的研究，再到60年代ALPAC置疑报告的提出，机器翻译走向沉寂。学者们倾其大半生精力、商家投入为数可观的资金，经历五十多年不懈的研究和开发，得到的成果或者产品却常常不能令人满意。最近的二十年，随着语言学理论的发展、计算机技术的进步以及统计学和机器学习方法在自然语言处理领域中的广泛应用，人们对机器翻译本身的应用背景、目标等也有了更加准确的认识，机器翻译在此背景下取得了长足的发展，基于统计、基于实例等新的机器翻译方法也都是在这一时期出现，一些机器翻译系统也从实验室走向了市场。本文第二节介绍了机器翻译的历史现状；第三节介绍了机器翻译面临的问题；第四节介绍几种经典的机器翻译方法；第五节给出近期机器翻译的发展趋势，介绍基于混合策略的机器翻译方法，对统计机器学习在机器翻译中的应用进行总结；第六节讨论当前机器翻译的评测系统；最后，对机器翻译研究进行总结和展望。 2机器翻译的历史现状机器翻译的研究历史可以追溯到20世纪三四十年代。20世纪30年代初，法国科学家G.B.阿尔楚尼提出了用机器来进行翻译的想法。1933年，苏联发明家П.П.特罗扬斯基设计了把一种语言翻译成另一种语言的机器，并在同年9月5日登记了他的发明；但是，由于30年代技术水平还很低，他的翻译机没有制成。1946年，第一台现代电子计算机ENIAC诞生，随后不久，信息论的先驱、美国科学家W.Weaver和英国工程师A.D.Booth在讨论电子计算机的应用范围时，于1947年提出了利用计算机进行语言自动翻译的想法。1949年，W.Weaver发表《翻译备忘录》，正式提出机器翻译的思想。走过六十年的风风雨雨，机器翻译经历了一条曲折而漫长的发展道路，学术界一般将其划分为如下四个阶段： 2.1机器翻译的开创期（1947-1964） 1954年，美国乔治敦大学（GeorgetownUniversity）在IBM公司协同下，用IBM-701计算机首次完成了英俄机器