浅析人工智能的研究与发展
人工智能研究与发展现状
推荐系统与智能决策
个性化推荐算法
根据用户兴趣和行为，实现精准的个性化推荐 。
强化学习
应用于智能决策，实现动态环境下的最优策略 选择。
多智能体系统
研究多个智能体之间的协作与竞争，应用于复杂系统优化和决策。
04
CATALOGUE
产业应用现状及案例分析
智能金融
智能投顾
01
基于大数据和机器学习算法，为用户提供个性化、高效的投资
视频监控
01
利用计算机视觉技术，实现视频监控的自动化识别、
跟踪和报警功能。
人脸识别
02 通过人脸识别技术，实现门禁、考勤等场景的快速身
份验证。
智能巡检
03
借助无人机、机器人等技术，实现对危险区域和设备
的自动巡检和预警。
05
CATALOGUE
面临的挑战与问题Biblioteka 数据安全与隐私保护数据泄露风险
随着人工智能技术的广泛应用，大量个人数据被收集和处理，增加了数据泄露和滥用的风险。
机器学习时代
01
02
03
统计学习方法
基于数据训练模型，实现 分类、回归等任务，如决 策树、K近邻等算法。
支持向量机
通过核函数将数据映射到 高维空间，实现高效分类 和回归。
集成学习
将多个弱学习器组合成强 学习器，提高模型性能， 如随机森林、提升树等。
深度学习浪潮
神经网络复兴
利用深度神经网络处理大规模 数据，实现图像识别、语音识 别等复杂任务。
推理和决策能力。
发展历程
自20世纪50年代以来，人工智能 经历了符号主义、连接主义和深 度学习等多个发展阶段，逐渐从
学术研究走向实际应用。
技术背景
人工智能技术发展趋势研究综述毕业论文文献选读
人工智能技术发展趋势研究综述毕业论文文献选读随着科技的不断进步和发展，人工智能技术作为一种前沿技术，正日益受到人们的关注和重视。
本文将对人工智能技术的发展趋势进行研究综述，通过选读相关文献，探讨人工智能技术未来的发展方向和可能的影响。
一、人工智能技术的发展历程人工智能技术起源于上世纪50年代，经过几十年的发展，如今已经成为当今科技领域的热门话题。
早期的人工智能技术主要集中在模式识别、专家系统等领域，随着计算机性能的提升和大数据技术的发展，人工智能技术得到了迅猛的发展。
目前，人工智能技术已经应用于各个领域，包括医疗、金融、交通等，为人们的生活带来了诸多便利。
二、人工智能技术的发展趋势1. 深度学习技术的应用深度学习作为人工智能技术的一个重要分支，近年来取得了巨大的突破。
通过构建深层神经网络模型，深度学习技术在图像识别、语音识别等领域取得了显著的成果。
未来，深度学习技术有望在更多领域得到应用，为人工智能技术的发展提供强大支持。
2. 人工智能与大数据的融合大数据技术的兴起为人工智能技术的发展提供了重要支撑。
人工智能技术需要大量的数据支持，而大数据技术能够提供海量数据的存储和处理能力。
人工智能技术与大数据的融合将进一步推动人工智能技术的发展，为各行业带来更多创新应用。
3. 人工智能在自然语言处理领域的应用自然语言处理是人工智能技术的重要应用领域之一，涉及机器翻译、情感分析、问答系统等多个方面。
随着人工智能技术的不断进步，自然语言处理领域的研究也在不断深化，未来人工智能技术在语言处理方面的应用将更加广泛。
4. 人工智能与物联网的结合物联网技术的发展为人工智能技术的应用提供了更广阔的空间。
人工智能技术可以通过物联网设备获取实时数据，实现智能化的控制和管理。
人工智能与物联网的结合将为智慧城市、智能家居等领域带来更多可能性。
三、人工智能技术的影响与挑战1. 社会影响人工智能技术的发展将对社会产生深远影响，可能改变人们的生活方式和工作模式。
人工智能技术的发展与应用前景研究
人工智能技术的发展与应用前景研究人工智能技术是当今世界技术领域的热门话题之一。
随着机器学习和大数据技术的不断进步，人工智能技术被广泛应用于智能语音识别、自动驾驶、智能物联网、医疗保健等领域。
在这篇文章中，我们将探讨人工智能技术的发展与应用前景研究。
人工智能技术的发展历程自从人工智能技术诞生以来，就吸引了大量的研究者和科技公司的关注。
人工智能技术的初期应用主要是在机器人、游戏、医学等领域，但是由于算法和硬件的限制，它们的功能十分有限。
进入21世纪以后，随着计算机硬件水平持续提升和人工智能算法不断创新，人工智能技术得到了飞速发展。
尤其是在深度学习领域，神经网络模型不断优化，使得计算机能够更精确地识别图像和语音，实现自然语言处理等复杂任务。
人工智能技术的应用领域人工智能技术在许多领域的应用十分广泛，其中自动驾驶技术是最受瞩目的领域之一。
许多大型科技公司，如谷歌、特斯拉等都在自动驾驶技术方面投入了大量的研究经费。
随着计算机能够更好地理解环境和行为，自动驾驶技术将逐渐变得更加普及和安全。
人工智能技术还可以应用于智能语音识别、智能物联网、医疗保健等领域。
比如，智能语音识别技术可以实现智能语音助手的功能，辅助人们进行日常生活中的各种操作。
智能物联网技术可以将各种智能设备和传感器互相连接，实现智能家居等应用。
而在医疗保健领域，人工智能技术可以辅助医生进行诊断，提高疾病的预测和治疗效果。
人工智能技术的局限性和未来发展虽然人工智能技术的发展方向十分广阔，但是在实际应用中，仍存在一些局限性。
一方面，人工智能技术需要许多有标签的训练数据，才能让计算机具有更强的预测和学习能力。
另一方面，人工智能技术仍无法完全替代人类的决策和思考，需要人类的干预来进行调整和修正。
面对这些局限性，未来人工智能技术的发展方向主要是应用模型的集成、自动化算法设计和人机交互技术的提升。
比如，通过不同应用模型的集成和数据互相学习，实现更好的数据挖掘和模型调优，提高人工智能技术的预测准确性。
人工智能的研究与发展论文
人工智能的研究与发展论文
摘要
以人工智能（AI）为核心的技术正在成为未来社会发展的重要动力。
因此，人工智能的研究和发展成为当今科学界的主要焦点。
本文详细介绍
了人工智能的发展历史和研究现状，并着眼于国内外研究人员在人工智能
领域的研究成果，如人工智能的基础理论、技术架构、人工智能在推理、
识别、规划和决策中的应用等方面。
此外，本文还介绍了人工智能面临的
挑战，以及当前可以采取的积极措施，以促进人工智能的研究和应用。
关键词：人工智能；研究；发展
1.研究背景与现状
随着科学技术的进步和发展，人工智能（AI）已经成为计算机科学的
一个重要组成部分，被广泛应用于众多领域，如自然语言处理，虚拟现实，认知科学等。
它可以帮助计算机模拟人类思维，通过计算机程序实现任务。
实际上，它已经渗透到生活的各个方面，比如日常的引擎，对话机器人，
图像识别等，都是人工智能的应用。
此外，它还在医学，财务，法律，工程，教育，军事，金融和安全等
多个领域发挥着重要作用。
研究人工智能的应用现状和未来发展趋势
研究人工智能的应用现状和未来发展趋势在当今这个科技飞速发展的时代，人工智能已经成为了我们生活中不可或缺的一部分。
从智能手机中的语音助手，到工厂里的自动化生产线，人工智能的应用无处不在，深刻地改变着我们的生活和工作方式。
一、人工智能的应用现状1、医疗领域在医疗领域，人工智能发挥着越来越重要的作用。
例如，通过对大量医疗数据的分析，人工智能可以帮助医生更准确地诊断疾病。
像医学影像诊断中，人工智能算法能够快速识别 X 光、CT 扫描等图像中的异常，为医生提供有价值的参考。
而且，在药物研发方面，人工智能可以预测药物的效果和潜在的副作用，大大缩短研发周期和降低成本。
2、交通领域交通领域也是人工智能大展身手的地方。
自动驾驶技术就是一个典型的例子。
通过传感器和摄像头收集的数据，人工智能系统能够实时感知周围环境，做出驾驶决策，提高行车安全性和交通效率。
此外，智能交通管理系统可以根据实时交通流量优化信号灯设置，缓解交通拥堵。
3、金融领域在金融行业，人工智能用于风险评估和欺诈检测。
它可以分析大量的交易数据，识别出异常的交易模式，及时发现潜在的欺诈行为。
同时，人工智能还能为投资者提供个性化的投资建议，优化投资组合。
4、教育领域人工智能在教育领域的应用也逐渐兴起。
个性化学习系统可以根据学生的学习情况和特点，为其定制专属的学习计划和课程内容。
智能辅导工具能够随时解答学生的问题，提供及时的反馈。
5、家居领域智能家居让我们的生活更加便捷和舒适。
通过语音指令或手机应用，我们可以控制家中的灯光、电器等设备。
智能家电能够根据用户的习惯自动调整工作模式，实现节能减排。
二、人工智能面临的挑战尽管人工智能取得了显著的成就，但也面临着一些挑战。
1、数据质量和隐私问题人工智能的发展依赖大量的数据，但数据的质量和准确性往往参差不齐。
错误或不完整的数据可能导致模型的偏差和错误预测。
同时，数据的收集和使用涉及到用户隐私，如何在保障数据安全的前提下充分利用数据是一个亟待解决的问题。
人工智能现状与发展的论文
人工智能现状与发展的论文随着科技的飞速发展，人工智能（Artificial Intelligence, AI）已经成为当代科技领域最为活跃的研究领域之一。
本文将从人工智能的发展历程、现状、面临的挑战以及未来的发展方向等方面进行探讨，以期对这一领域有一个全面的认识。
一、人工智能的发展历程人工智能的概念最早可以追溯到20世纪40年代，但直到1956年的达特茅斯会议，人工智能才作为一个独立的学科被正式提出。
从那时起，人工智能经历了几次起伏，包括早期的逻辑推理与问题解决、70年代的专家系统、80年代的神经网络复兴，以及21世纪初的深度学习革命。
二、人工智能的现状当前，人工智能技术已经渗透到社会的各个领域，从简单的自动化工具到复杂的决策支持系统。
在医疗、金融、交通、教育、制造业等多个行业，人工智能的应用正在改变着传统的工作方式和商业模式。
1. 深度学习与大数据：深度学习技术的发展，尤其是卷积神经网络（CNN）和循环神经网络（RNN）在图像识别、语音识别和自然语言处理等领域的应用，极大地推动了人工智能技术的进步。
2. 机器视觉：机器视觉技术使得机器能够“看”和“理解”图像，这在自动驾驶汽车、无人机监控和医疗影像分析等领域有着广泛的应用。
3. 自然语言处理：自然语言处理（NLP）技术使得机器能够理解和生成自然语言，这在智能客服、翻译服务和情感分析等方面有着显著的成效。
4. 机器人技术：随着机器人技术的不断进步，机器人在制造业、服务业甚至家庭中扮演着越来越重要的角色。
三、人工智能面临的挑战尽管人工智能取得了显著的成就，但它仍然面临着一些挑战：1. 数据隐私与安全：随着人工智能对数据的依赖性增加，数据隐私和安全问题日益凸显。
2. 伦理问题：人工智能的决策过程和结果可能涉及伦理问题，如算法偏见和责任归属。
3. 技术瓶颈：尽管深度学习在某些领域取得了成功，但它仍然存在泛化能力不足和解释性差的问题。
4. 人才短缺：人工智能领域的快速发展导致了专业人才的短缺，这对于行业的持续发展构成了挑战。
人工智能的研究现状与发展趋势
人工智能的研究现状与发展趋势
人工智能（AI）是研究计算机如何实现智能的领域。
它不仅是一种技术，也是一种学科，主要研究计算机系统如何像人类一样思考和决策。
AI
的研究可以从50年代开始，其发展迅猛。
目前，AI正从其历史演进的准
备阶段进入应用阶段，AI正在改变我们的学习，工作，生活方式和生活
方式。
本文将重点介绍AI的研究现状和发展趋势。
一、AI研究现状
AI研究的研究领域主要分为两个领域，即基础AI和应用AI。
基础
AI主要涉及语言理解，自然语言处理，机器学习，模式识别，知识表示
和推理，机器视觉，智能优化等技术，而应用AI主要包括技术，语音识别，自动驾驶，虚拟助理，自动机器人，个性化推荐，智能家居，医疗诊断，教育，游戏，金融投资，安全智能等。
现代基础AI技术是AI发展的关键。
目前，在机器学习，深度学习，
自然语言处理，计算机视觉等领域，基础技术正在迅速发展，AI技术的
开发工程师也在增加。
AI技术的发展也与行业科研有关，比如，微软的微软研究院主要致
力于机器学习和计算机视觉，谷歌推出了Google Brain，用于深度学习，自然语言处理和机器人技术。
人工智能控制技术的发展与研究现状
人工智能控制技术的发展与研究现状
一、人工智能控制技术的发展
人工智能控制技术是在人工智能科学的指导下，利用人工智能技术对控制系统进行复杂的控制、优化、分析和仿真的技术。
它是自动控制的一项新兴技术，主要研究内容包括人工智能控制理论、实现技术、控制算法和控制策略等理论和技术。
近年来，随着计算机技术和信息技术的迅速发展，以及现代控制设计理论、技术和方法的逐步应用，人工智能控制技术凭借其稳定、准确、快速的控制特性，已经成为行业应用中广泛运用的一种新型技术。
它已经在军事、航空航天、机器人、电力、通信、自动化等多个领域中都有广泛应用。
人工智能控制技术的主要发展方向包括以下几个方面：
1）基于实时调度的人工智能控制：它首先实现了在模糊环境中的控制参数的实时调度，从而实现了复杂系统的有效控制。
2）声控制技术：它是一项新兴的人工智能控制技术，它利用语音信号对系统进行控制，使系统获得更好的控制效果。
3）强化学习技术：它基于大规模数据的机器学习，能够为控制系统提供准确而有效的控制策略。
4）基于神经网络的控制策略：它利用神经网络技术。
通用人工智能技术的研究与发展前景分析
通用人工智能技术的研究与发展前景分析第一章前言自从20世纪50年代人工智能诞生以来，这一领域的发展突飞猛进。
人们对人工智能的研究探索让AI技术更加普及，通用人工智能技术尤其受到重视。
本文将从基本概念、高级技术和发展前景等角度进行探讨与分析。
第二章基本概念通用人工智能技术是指以计算机为基础，人工模仿人类自我判断、学习等知识处理的一种技术。
与传统的人工智能相比，它不仅能够执行简单的任务，还可以具有自我意识、自我学习和自我改进等能力。
通用人工智能拥有广泛的应用领域，可以适用于医疗、金融、制造、交通、军事等多个领域。
第三章高级技术进入21世纪，随着计算机技术、网络通信和数据处理方法的不断发展，人工智能技术也得到了巨大的提升。
通用人工智能的高级技术包括深度学习、自动编码器、生成式对抗网络、强化学习等。
其中深度学习是通用人工智能的核心技术之一，它利用复杂的神经网络系统处理数据，实现了影像、语音、文本等识别与处理。
自动编码器是指具有隐藏层的神经网络，可以从输入数据中提取特征，并以这些特征为基础进行数据分析。
生成式对抗网络（GAN）则是一种基于对抗训练的技术，它将两个神经网络对抗，让一个网络生成数据，另一个网络则判断数据的真实程度。
强化学习则是一种能够根据外部反馈来调整自己行为的学习模型。
第四章发展前景通用人工智能技术的发展前景广阔，它将能够在很多领域为人类带来深远的改变。
以下是通用人工智能技术发展前景的三方面探讨：1. 产业互联网和机器人产业随着工业4.0的发展和人口老龄化的加剧，机器和生产线的智能化将成为当前产业转型升级的一个重要方向。
通用人工智能技术将能够加速物联网、智能制造和交互式服务领域的发展，对于提高工业、服务业、医疗等领域的智能化水平具有深远的推动作用。
2. 人工智能技术与医疗健康产业通用人工智能技术在医疗健康产业中的应用将有所增多，不仅能够提高医生的工作效率，还能够减少医疗事故的发生。
通过对医疗数据、图片、文献资料等进行深度分析，能够发现和判断出疾病的发展变化、有机体的结构特征等信息。
人工智能在计算机技术中的应用与发展趋势研究
人工智能在计算机技术中的应用与发展趋势研究摘要：随着计算机技术的不断发展，人工智能在各个领域的应用越来越广泛。
本文将探讨人工智能在计算机技术中的应用和发展趋势，旨在为相关领域的研究人员和决策者提供有益的参考。
关键词：人工智能；计算机技术；应用；发展趋势引言在当今信息技术高速发展的时代，人工智能作为一项前沿技术正引起广泛的关注。
随着计算机技术的不断进步和算法的完善，人工智能在各个领域中得到了广泛的应用。
计算机技术的快速发展促使我们研究人员和决策者必须关注人工智能在计算机技术中的应用和发展趋势，以利用其所带来的巨大潜力，为社会带来更多的利益。
1、人工智能概述1.1人工智能的定义与发展历程人工智能（Artificial Intelligence，简称AI）是指模拟人类智能行为的机器系统，具备感知、推理、学习、理解和决策等能力。
它采用计算机算法和数据来模拟人类智能的各种功能，实现自主的智能行为。
人工智能的发展可以追溯到上世纪50年代。
当时的研究集中在专家系统和符号处理等领域，人工智能的发展主要依赖于规则和逻辑的表示与推理。
随着计算机硬件的不断改进和算法的不断优化，人工智能取得了许多重要的突破。
从简单的符号处理到推理和学习，再到深度学习和神经网络等技术的应用，人工智能逐渐成为计算机技术中的核心领域。
1.2人工智能的技术分类人工智能的技术可以分为弱人工智能和强人工智能两种。
弱人工智能（Narrow Artificial Intelligence）指通过特定任务的自动化完成来模拟人类智能的能力。
它可以在特定领域中表现出与人类相似甚至超越人类的能力，如语音识别、图像识别、机器翻译等。
虽然弱人工智能的应用范围比较窄，但在特定任务上的表现往往更为优秀。
强人工智能（General Artificial Intelligence）是指具备与人类智能相当的智能水平，具有智能思维和自主决策能力的系统。
强人工智能的目标是实现人级别的智能，能够在各种领域进行学习、适应和创新。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
浅析人工智能的研究与发展
作者：梅杰
来源：《商情》2009年第31期
【摘要】人工智能得到了愈来愈广泛的关注,许多科学家断言,机器的智能会迅速超过阿尔伯特•爱因斯坦和霍金的智能之和。
人工智能相关技术更大的需求促使新的进步不断出现,人工智能已经并且将继续不可避免地改变我们的生活。
【关键词】人工智能计算机技术
一、人工智能的定义
“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的。
人工智能是指研究、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。
目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。
人工智能理论进入21世纪,正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品”,并使之在越来越多的领域超越人类智能,人工智能将为发展国民经济和改善人类生活做出更大贡献。
二、人工智能的应用领域
1.在管理系统中的应用
(1)人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。
在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据库来
建立和运行。
换句话说,就是将企业各部门的数据进行统一集成管理,搭建人工智能的应用平台,使之成为企业管理与决策中的关键因子。
(2)智能教学系统(ITS)是人工智能与教育结合的主要形式,也是今后教学系统的发展方向。
信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善,推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统,计算机智能教学系统就是其中的典型代表。
计算机智能教学系统包含学生模块、教师模块,体现了教学系统开发的全部内容,拥有着不可比拟的优势和极大的吸引力。
2.在工程领域的应用
(1)医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。
事实上,早在1982年,美国匹兹堡大学的Miller就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,由此,掀起了医学智能系统开发与应用的高潮。
目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。
(2)地质勘探、石油化工等领域是人工智能的主要作用发挥领地。
1978年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积,价值超过1亿美元。
3.在技术研究中的应用
(1)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;专家运用超声无损检测仪器,以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动,减少了任务因素造成的无擦,提高了检测的可靠性,实现了超声检测和评价的自动化、智能化。
(2)人工智能在电子技术领域的应用可谓由来已久。
随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而与人工智能技术则为我们提供了可能性。
三、人工智能的发展方向
1.专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。
近年来,在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。
人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。
那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。
2.智能信息检索技术的飞速发展。
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。
(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。
3.SOAr是一种通用智能体系结构,其始终处在人工智能研究的前沿,已显示出强大的问题求解能力,它认为机器人的开发是人工智能应用的重要领域。
在它的研究中突出4个概念:(1)所处的境遇机器人不涉及抽象的描述,而是处在直接影响系统的行为的境地。
(2)具体化机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后会有反馈。
(3)智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定。
(4)浮现从系统与周围世界的交互以及有时候系统的部件间的交互浮现出智能。
目前,国内外不少学者都对机器人足球系统颇感兴趣,足球机器人涉及机器人学、人工智能以及人工生命、智能控制等多个领域。
足球机器人系统本身既是一个典型的多智能体系统,是一个多机器人协作自治系统,同时又为它们的理论研究和模型测试提供一个标准的实验平台。
参考文献:
[1]元慧.议当代人工智能的应用领域和发展状况[J].福建电脑,2008.
[2]刘玉然.谈谈人工智能在企业管理中的应用[J].价值工程,2003.
[3]焦加麟,徐良贤,戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真,2003,(8).
[4]周明正.人工智能在医学专家系统中的应用[J].科技信息, 2007.
[5]张海燕,刘镇清.人工智能及其在超声无损检测中的应用[J].无损检测,2001,(8).
[6]马秀荣,王化宇.简述人工智能技术在网络安全管理中的应用[J].呼伦贝尔学院学
报,2005,(4).
[7]曾雪峰.论人工智能的研究与发展[J].现代商贸工业,2009,(13).
[8]吕明.机器人足球系统的建模与策略研究[D].中国优秀博硕士学位论文全文数据库 (硕士),2004,(6).。