人工智能研究
人工智能研究
《人工智能研究》系开放获取期刊,主要围绕人工智能领域,关注产业政策,报道研究前沿,传播技术趋势,刊载应用案例,推动成果转化,服务我国制造业转型升级发展。本刊支持思想创新、学术创新,倡导科学,繁荣学术,集学术性、思想性为一体,旨在给世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论人工智能领域内不同方向问题与成果的学术交流平台。

ISSN: 3078-9753

《人工智能研究》在线投稿系统

*文章题目:
*作者姓名:
*电子邮箱:
*通讯地址:
*联系方式:

  备      注:

*上传稿件:

支持上传.doc,.docx,.pdf,.txt,.wps文件

投稿须知:

1、审稿结果将于1~7个工作日以邮件告知,请注意查收(包含录用通知书、审稿意见、知网CNKI查重报告)。

2、提交投稿后,若7个工作日之内未接到录用通知,则说明该文章未被录用,请另投他刊。

3、凡投寄本刊稿件,如在内容上有侵权行为或不妥之处,均应文责自负。本刊有权对来稿进行文字编辑、加工和修改,如不同意,请附说明,以便妥善处理。

4、多作者文稿署名时须征得其他作者同意,排好先后次序,通知用稿后不再改动。

5、凡投往本刊稿件一经录用发表,其版权归本刊所有。

6、本刊已全文录入中国知网、万方、维普等数据库,如作者不同意被收录,请提前申明,未申明者,本刊一律视为同意被收录。

7、请勿一稿多投。



提示文字!

注:我们将于1~7个工作日告知您审稿结果,请耐心等待;

您也可以在官网首页点击“查看投稿进度”输入文章题目,查询稿件实时进程。


  • 基于粒子群优化的低阶时滞系统辨识 下载:71 浏览:389
  • 李敏花 柏猛 吕英俊 ​ 《人工智能研究》 2019年12期
  • 摘要:
    为了解决低阶时滞系统阶跃响应辨识问题,提出基于粒子群优化的参数估计方法.方法主要包括参数初值计算和参数估计两部分.首先,采用积分方程方法估计时滞系统参数初值,通过设置参数初值估计误差,得到系统参数取值范围.然后,为了减小由观测噪声引起的参数估计误差,采用粒子群优化算法优化模型参数.最后,通过仿真实验分别验证文中方法在不同噪声条件下辨识低阶时滞系统的性能.实验表明,文中方法具有良好的参数估计精度和较强的抗噪能力,可有效解决噪声条件下低阶时滞系统的阶跃响应辨识问题.
  • 基于安全样本筛选的不平衡数据抽样方法 下载:72 浏览:388
  • 石洪波 刘焱昕 冀素琴 ​ 《人工智能研究》 2019年12期
  • 摘要:
    针对欠抽样可能导致有用信息的丢失,以及合成小类的过抽样技术(SMOTE)可能使大类和小类间类重叠更严重的问题,文中提出基于安全样本筛选的欠抽样和SMOTE结合的抽样方法(ScreeningSMOTE).利用安全筛选规则,识别并丢弃大类中部分对确定决策边界无价值的实例和噪音实例,采用SMOTE对筛选后数据集进行过抽样.基于安全样本筛选的欠抽样既避免原始数据中有价值信息的丢失,又丢弃大类中的噪音实例,缓减过抽样数据集类重叠的问题.实验表明在处理不平衡数据集,特别是维数较高的不平衡数据集时ScreeningSMOTE的有效性.
  • 基于人脸标准化的纹理和光照保持3D人脸重构 下载:64 浏览:370
  • 阳瑜 吴小俊 《人工智能研究》 2019年12期
  • 摘要:
    现有人脸纹理重建方法对于人脸的皱纹、胡须、瞳孔颜色等重建效果往往不够细致.为了解决此问题,文中提出基于人脸标准化的纹理和光照保持3D人脸重构.首先对2D人脸图像标准化,使用光照信息和对称纹理重构人脸自遮挡区域的纹理.然后依据2D-3D点对应关系从标准化的2D人脸图像获取相应的3D人脸纹理,结合人脸形状重构和纹理信息,得到最终的3D人脸重构结果.实验表明文中方法有效保留原始2D图像的纹理和光照信息,重构的人脸更自然,具有更丰富的人脸细节.
  • 基于识别关键样本点的非平衡数据核SVM算法 下载:72 浏览:387
  • 郭婷1 王杰1 刘全明1 梁吉业2 《人工智能研究》 2019年12期
  • 摘要:
    非平衡数据处理中常采用的欠采样方法很少考虑支持向量机(SVM)的特性,并且在原始空间进行采样会导致多数类样本部分关键信息的丢失.针对上述问题,文中提出基于识别关键样本点的非平衡数据核SVM算法.基于初始超平面有效划分多数类样本,在高维空间中对每个分块进行核异类近邻抽样,得到多数类中的关键样本点,使用关键样本点和少数类样本训练最终核SVM分类器.在多个数据集上的实验证明文中算法的可行性和有效性,特别是在非平衡度高于10∶1的数据集上,文中算法优势明显.
  • 信息交互多任务粒子群算法 下载:67 浏览:394
  • 程美英1 钱乾2 倪志伟3 朱旭辉3 《人工智能研究》 2019年12期
  • 摘要:
    不同于现有的云平台和并行计算机等多任务处理方式,文中充分挖掘粒子群算法(PSO)的"隐"并行性,引入2种不同的信息交互策略——种群内信息交互和种群间信息交互,同时引入等级因子、标量因子和技能因子参数,在算法每次迭代过程中,始终让最合适的个体求解最合适的任务,提出信息交互多任务粒子群算法(IEPSOM).对于多任务函数优化问题、多任务多约束工程优化问题及多任务关键指标体系构建问题的测试表明,在IEPSOM多任务环境中,有效信息的传递不仅可以提高解的质量,还可以加速各任务的收敛速度.
加入编委加入审稿人
人工智能研究  期刊指标
出版年份 2018-2025
发文量 672
访问量 127852
下载量 28651
总被引次数 371
影响因子 0.752
为你推荐