期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
110kV变电站一次设备运维状态智能感知与态势感知技术 被引量:10
1
作者 郭锐 刘文林 《电声技术》 2019年第3期71-73,共3页
本文结合变电站运检及管控工作的实际需求,提出了基于机器感知和态势感知技术的变电站设备状态智能监测评估一体化平台的顶层设计理念,其关键技术包括以变电站视频监控、智能传感器监测、巡视机器人为数据采集层,以基于IEC61850通信协... 本文结合变电站运检及管控工作的实际需求,提出了基于机器感知和态势感知技术的变电站设备状态智能监测评估一体化平台的顶层设计理念,其关键技术包括以变电站视频监控、智能传感器监测、巡视机器人为数据采集层,以基于IEC61850通信协议的站用有线/无线网络为传输层,以基于人工神经网络、感知哈希算法等为分析决策层。通过深入分析,该平台可实现设备状态及变电站环境自主感知、预测设备缺陷及风险、代替人工进行巡视决策,从而大大提高运检效率与可靠性。 展开更多
关键词 信息新技术 机器感知 智能监测评估一体化平台 关键技术 运检效率
下载PDF
人工智能看智慧 被引量:1
2
作者 李德毅 刘玉超 任璐 《科学与社会》 2023年第4期131-149,共19页
通常,智慧是社会科学和人文领域讨论的内容,智能是物质科学和生命科学讨论的内容。显然,智能并不是人的精神世界的全部,人更有智慧。智慧和人的自我意识、群体意识有着更紧密的联系。智慧也需要物质作为载体,但不以控物为目的。智能则不... 通常,智慧是社会科学和人文领域讨论的内容,智能是物质科学和生命科学讨论的内容。显然,智能并不是人的精神世界的全部,人更有智慧。智慧和人的自我意识、群体意识有着更紧密的联系。智慧也需要物质作为载体,但不以控物为目的。智能则不然,智能以控物和改变物质世界为目的。智能机器仅仅是人类认知的工具,不必像人那样具有精神世界,不具有意识欲望、爱恨情仇,也没有伦理道德和信仰。智能脱离了人的意识、欲望、情感和信仰,拓展到体外存在,成为人工智能,成为人造工具和机器,长于思维,长于控物,长于具身行为,长于一以贯之的工具性。自操控的认知机器服从人赋予它的使命,以提高人类社会的生产能力,发展经济,这才是人类最需要的,也正是人类的智慧所在。机器无需达到、也不可能达到人之为人的那部分智慧。 展开更多
关键词 意识 精神 软构体 机器认知 想象力 具身智能
下载PDF
数智时代有关机器认识主体性问题的若干探讨
3
作者 董春雨 王逸凡 《当代中国价值观研究》 2023年第6期17-28,共12页
大数据与深度学习技术的出现,使人工智能的发展跃上了新的台阶,机器也逐渐从传统的人类的认识辅助工具变成了能够独立分担人类认识活动的主体。本文将在回顾人类认识主体特征形成历史的基础上,探讨作为新的认识主体的机器的介入过程及... 大数据与深度学习技术的出现,使人工智能的发展跃上了新的台阶,机器也逐渐从传统的人类的认识辅助工具变成了能够独立分担人类认识活动的主体。本文将在回顾人类认识主体特征形成历史的基础上,探讨作为新的认识主体的机器的介入过程及其参与的认识活动的若干特点,并分析人类与机器在认识过程中的交互融合及其障碍,对未来新型人机关系的可能性作出设想。 展开更多
关键词 机器认识 主体性 人机融合
下载PDF
AI技术与人类主体想象——基于人工直觉在线讨论的研究 被引量:3
4
作者 雅克布·约翰森 王鑫 《新闻与传播评论》 CSSCI 2019年第6期35-44,共10页
人工直觉和神经形态硬件是人工智能发展的两大趋势,这种现象在热门网站上被广泛讨论。人工直觉是指能够凭直觉行动的人工智能(AI),而神经形态硬件的灵感则来自人脑的神经元功能。通过对两者的阐释,意图揭示两种技术叙事中所揭示的人类... 人工直觉和神经形态硬件是人工智能发展的两大趋势,这种现象在热门网站上被广泛讨论。人工直觉是指能够凭直觉行动的人工智能(AI),而神经形态硬件的灵感则来自人脑的神经元功能。通过对两者的阐释,意图揭示两种技术叙事中所揭示的人类主体观念。人类被视为AI的发展蓝图,使技术向更加灵活、自主和高效的方向发展。然而,AI和人类之间的关系是矛盾的。关于神经形态硬件研究的一些数据表明,AI可以从人类大脑中学习;而另一些数据则表明,AI在未来将会超越人类。直觉被认为是使AI更像人类的必要步骤,虽然由神经形态硬件支撑的人工直觉可以使技术进步,但也存在一种危险,即直觉被误解和误用,从而遮蔽了AI的透明性、可靠性和可解释性。 展开更多
关键词 人工智能(AI) 人工直觉 神经形态硬件 机器认知 人类主体 媒体
下载PDF
智能时代的人机协同学习:形态、本质与发展 被引量:16
5
作者 郝祥军 张天琦 顾小清 《中国电化教育》 北大核心 2023年第10期26-35,共10页
人工智能推动了智能教育的快速发展,展现出人机协同的实践特征。但人机协同学习作为智能教育的重要组成部分,已经呈现出怎样的实践形态、透过现象彰显出怎样的本质却鲜有研究探讨。为了技术更好地服务教育、服务人的发展,研究对智能时... 人工智能推动了智能教育的快速发展,展现出人机协同的实践特征。但人机协同学习作为智能教育的重要组成部分,已经呈现出怎样的实践形态、透过现象彰显出怎样的本质却鲜有研究探讨。为了技术更好地服务教育、服务人的发展,研究对智能时代的人机协同学习实践进行深入剖析。首先,综合相关文献和实践发现,人的认知活动与机器智能产生了千丝万缕的联系,人机协同学习在实践中已呈现出知识导学、互动对话、智能增强三大形态。其次,透过现象看本质,研究从人机构成的学习双主体协同结构中揭示出人机协同学习三个重要本质内容:一是人机协同学习意味着人类认知与人工认知的协同混合;二是人机交互技术的应用为人机协同认知搭建了流畅的通道;三是人机互惠构成人机有效协同的关键。最后,研究提出两点发展建议,即在技术层面以人机交互与人机互惠为着力点提升技术设计,在实践层面以学习科学与以人为本为基本遵循规范实践过程。 展开更多
关键词 智能教育 人机协同学习 人机协同认知 人机交互 人机互惠 人本人工智能
下载PDF
01型空间故障树的结构化表示方法 被引量:9
6
作者 崔铁军 汪培庄 马云东 《大连交通大学学报》 CAS 2016年第1期82-87,共6页
为了实现系统结构反分析的人机认知体,提出了01空间故障树的概念,以表示元件结构或因素结构两个层面上的基本事件和系统的关系.同时为了实现认知体中的数据库向知识库的转化,提出01型空间故障树的结构化表示方法,即图法和表法.具体论述... 为了实现系统结构反分析的人机认知体,提出了01空间故障树的概念,以表示元件结构或因素结构两个层面上的基本事件和系统的关系.同时为了实现认知体中的数据库向知识库的转化,提出01型空间故障树的结构化表示方法,即图法和表法.具体论述了两种方法表示系统的过程.从该过程可知图法可以表示任意结构系统的01空间故障树;而表法所得结构化信息更适合于使用因素空间的相关理论进行分析.这两种结构化表示法为系统结构反分析奠定了基础. 展开更多
关键词 安全系统工程 01型空间故障树 因素空间 人机认知体 结构化表示
下载PDF
基于机器视觉识别的户外环境情绪感受测度研究 被引量:2
7
作者 付而康 周佳玟 +1 位作者 姚智 李西 《景观设计学(中英文)》 CSCD 2021年第5期46-59,共14页
良好的户外环境有利于改善人群身心健康,环境中个体情绪感受的实时测度能客观反映人群对户外环境品质的满意程度,但目前应用于户外环境中的情绪感受测度方法还较少,且无法在场地面积大、样本量较多的情境下实现大范围的高效测度。人工... 良好的户外环境有利于改善人群身心健康,环境中个体情绪感受的实时测度能客观反映人群对户外环境品质的满意程度,但目前应用于户外环境中的情绪感受测度方法还较少,且无法在场地面积大、样本量较多的情境下实现大范围的高效测度。人工智能领域的机器视觉识别可通过视频数据实现对动态面部表情特征的准确识别,使得开展高精度、长周期的户外环境情绪感受测度成为可能。本文以城市社区广场环境为实证实验场地,基于卷积神经网络算法模型,同步收集人群在户外环境体验时的面部视频数据和皮电数据,训练生成和检验测试可判别户外环境中个体面部情绪的深度学习算法模型——编解码器-SVM优化模型,并在街头绿地环境中展开拓展实验检验模型可靠性。研究结果表明:1)实证实验和拓展实验中的人群情绪感受测度准确度分别达到82.01%、65.08%;2)拓展实验证实该算法模型具备推广应用潜力;3)模型对于人群行为丰富、视野开阔的空间更具适用性。因此,基于机器视觉识别的户外环境情绪感受测度将有助于在场地面积较大、样本量较多的情境下揭示人群在环境体验中的心理状态,提升景观品质优化策略的有效性,同时也将为存在沟通或阅读障碍的特殊人群的情绪感受识别提供技术支撑,有望推动智慧城市建设的精细化转型。 展开更多
关键词 机器视觉识别 户外环境体验 情绪感受测度 卷积神经网络算法模型 健康促进 设计研究
原文传递
局域网地址的科学管理
8
作者 曹如萍 《上海煤气》 2006年第2期22-25,共4页
主要探讨了局域网(使用TCP/IP协议的以太网)地址的科学管理问题。局域网的地址主要有IP地址和MAC地址之分。文章中结合实际应用介绍了为实现科学高效的管理的静态地址、DHCP、MAC地址+端口绑定、VLAN等各种先进成熟的技术。
关键词 IP地址 DHCP VLAN MAC地址绑定
下载PDF
几类基本学习认知模型 被引量:1
9
作者 王培铎 《武警学院学报》 1999年第6期44-45,55,共3页
本文给出了几个类型的学习认知模型。
关键词 机器学习 学习 认知模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部