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。


  • 多任务处理协同进化粒子群算法 下载:74 浏览:458
  • 程美英1 钱乾2 倪志伟3 朱旭辉3,4 《人工智能研究》 2018年7期
  • 摘要:
    粒子群算法及其改进算法专注于单任务的求解.随着电子商务的发展,在线服务器在某一时刻需要同时处理来自多个用户的服务请求,即多任务处理.区别于以往的并行计算机,文中充分挖掘粒子群算法的"隐并行性",并引入协同进化机制,在同一搜索空间根据任务个数设置不同的子种群,各子种群以一定的概率相互传递有效信息,最后提出基于多任务处理协同进化粒子群算法(CPSOM),并将CPSOM应用于多任务连续型函数优化问题、多任务离散型属性选择问题以及多任务约束工程优化问题.仿真实验表明,在CPSOM多任务环境中,不同任务之间确实存在有效信息的传递,不同任务之间的相互协作不仅可以提高解的质量,而且可以加快各优化问题的收敛速度.
  • 基于深度卷积网络的目标检测综述 下载:79 浏览:460
  • 吴帅1 徐勇1 赵东宁1,2 《人工智能研究》 2018年7期
  • 摘要:
    在基于区域的卷积神经网络提出后,深度卷积网络开始在目标检测领域普及,更快的基于区域的卷积神经网络将整个目标检测过程合成在一个统一的深度网络框架上.随后YOLO和SSD等目标检测框架的提出进一步提升目标检测的效率.文中系统总结基于深度网络的目标检测方法,归为2类:基于候选窗口的目标检测框架和基于回归的目标检测框架.基于候选窗口的目标检测框架首先需要在输入的图像上产生很多的候选窗口,然后对这些候选窗口进行判别.这里的判别包括:对窗口包含物体的类别(包括背景)进行判断、对窗口的位置进行回归.基于回归的目标检测方法将图像目标检测看作是一个回归的过程.在此基础上,在PASCALVOC和COCO等主流数据库上对比目前两类目标检测框架中的主流方法,分析两类方法各自的优势.最后根据当前深度网络目标检测方法的发展趋势,对目标检测方法未来的研究热点做出合理预测.
  • 基于语言值格蕴涵代数的偏好顺序结构评估决策方法 下载:82 浏览:464
  • 邹丽1 罗思元2 史园园2 任永功1 《人工智能研究》 2018年7期
  • 摘要:
    针对具有可比性和不可比性语言值信息的决策问题,提出基于语言值格蕴涵代数(LV(n×2))的多属性决策方法.讨论Ln×2上的语言值评价矩阵及其性质,提出LV(n×2)上的优先函数和格值程度差,充分考虑属性值差距信息,将格值程度差应用到择优排序上.通过语言值向量,建立语言值向量合成矩阵,处理决策问题中的多专家多属性信息.引入语言值评价矩阵加权聚合算子对语言值评价矩阵进行聚合,利用偏好顺序结构评估(PROMETHEE)决策方法的非补偿性,构建基于语言值格蕴涵代数的PROMETHEE决策模型,并通过网络商品评价实例说明文中方法的有效性和实用性.
  • 基于进化状态判定的模糊自适应二进制粒子群优化算法 下载:74 浏览:476
  • 李浩君1 张征1 张鹏威1 王万良2 《人工智能研究》 2018年7期
  • 摘要:
    随着迭代过程的推进,二进制粒子群算法容易陷入局部最优解,后期收敛性较差.针对此缺点,文中提出基于进化状态判定的模糊自适应二进制粒子群优化算法.采用隶属函数进行模糊分类的方法,判定种群进化状态.在迭代过程前期采用S形映射函数和较大的惯性权重值,提高收敛速度,保证算法的稳定性.后期采用V形映射函数和动态增减的惯性权重值,增强算法后期全局探索能力,避免其陷入局部最优.仿真实验表明,文中算法的收敛速度较快,精度较高,搜索能力较好,可以避免早熟现象.
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