1) restraint fluid fuzzy neural & intelligence computer
约束流体模糊神经智能计算机
1.
Based on the microliquidic logic,correlative discipline knowledge and the latest science and technology of concerned fields, the author puts forward a new concept of restraint fluid fuzzy neural & intelligence computer.
在结合microliquidiclogic[1] 基础上 ,经充分整合相关学科知识 ,耦合相关领域最新科学技术基础上 ,首次提出了“约束流体模糊神经智能计算机”的概念 ;并初步给出了基于Hopfield型神经网络的旅行商 (TSP)问题求解的模型。
2) FIC Fuzzy Intelligent Computer
模糊智能计算机
4) fuzzy random constraints
模糊随机约束
1.
The crisp equivalent of fuzzy random constraints;
模糊随机约束的清晰等价形式
5) fuzzy chance constraints
模糊机会约束
1.
So based on C2R model, according to the framework of fuzzy chance constrained programming, this article puts forwards a fuzzy chance constrained DEA model with fuzzy triangular factors(FCCPDEA) to deal with the deficiency, and specifies uncertainty by fuzzy chance constraints.
针对这一不足 ,根据模糊机会约束规划的理论框架 ,基于 C2 R模型 ,建立了具有模糊三角要素的机会约束型 DEA模型 ( FCCPDEA) ,用机会约束来描述这一不确定性 。
补充资料：智能计算机
| 智能计算机 intelligent computers 迄今未有公认的定义。计算理论的奠基人之一A.图灵定义计算机为处理离散量信息的数字计算机。而对数字计算机能不能模拟人的智能这一原则问题，存在截然对立的看法。1937年A.丘奇和图灵分别独立地提出关于人的思维能力与递归函数的能力等价的假说。这一未被证明的假说后来被一些人工智能学者表述为：如果一个可以提交给图灵机的问题不能被图灵机解决，则这个问题用人类的思维也不能解决。这一学派继承了以逻辑思维为主的唯理论与还原论的哲学传统，强调数字计算机模拟人类思维的巨大潜力。另一些学者，如H.德雷福斯等哲学家肯定地认为以图灵机为基础的数字计算机不能模拟人的智能。他们认为数字计算机只能做形式化的信息处理，而人的智能活动不一定能形式化，也不一定是信息处理，不能把人类理智看成是由离散、确定的与环境局势无关的规则支配的运算。这一学派原则上不否认用接近于人脑的材料构成智能机的可能性，但这种广义的智能机不同于数字计算机。还有些学者认为不管什么机器都不可能模拟人的智能，但更多的学者相信大脑中大部分活动能用符号和计算来分析。必须指出，人们对于计算的理解在不断加深与拓宽。有些学者把可以实现的物理过程都看成计算过程。基因也可以看成开关，一个细胞的操作也能用计算加以解释，即所谓分子计算。从这种意义讲，广义的智能计算机与智能机器或智能机范畴几乎一样。 对智能计算机的不同看法还来源于不同的目标和出发点。一种是科学研究的观点，强调理解人脑的机制，要求计算机按照人脑的工作方式表现出智能行为。另一种是工程的观点，强调用计算机解决需要人的智慧才能解决的实际问题，不管人脑和计算机的工作方式是否相同。从工程观点看智能计算机，所关心的是它具有的功能而不限制其实现途径。也就是说，所谓智能计算机就是指具有感知、识别、推理、学习等能力，能处理定性的、不完全不确定的知识，能与人类以自然语言、文字及图形图像通信并在实际环境中有适应能力的计算机。要达到这一目标需要长时期的努力。 智能与智能计算机 一部计算机表现出某种智能行为并不一定被认为它本身有智能。为了判定计算机是否具有智能，图灵曾设计了一种测试方法，即有名的图灵试验。设想一个测试者用计算机终端分别与被测的人及计算机联系（测试者不能直接看到被测人与计算机），如果从回答测试者问题的信息中不能正确区分被测者是人还是计算机，即把计算机当成人了，就应认为计算机具有智能。这是一种关于智能机的行为主义的观点。以回答问题的能力做为具有智能的判据有一定局限性，因为人的智能涉及许多方面，有些智能如形象思维就不可以言传。这种测试也难以反映自学习自适应能力。人们一方面追求用机器实现智能，另一方面又不大相信电子器件的自动开与关能实现人的思维。因此当一种实现智能应用的方法很有效时，往往认为这是一种已知的技术，与其他计算机程序运行没什么不同，人们对于机器模拟人类思维的矛盾心理趋向于认为一个能工作的系统是有用的但不是真正有智能的。 实际上，智能计算机已经成为一个动态的发展的概念，它始终处于不断向前推进的计算机技术的前沿。人工智能的权威学者M.明斯基定义人工智能的任务是研究还没有解决的计算机问题。这一观点反映了人工智能与智能机研究有别于其他学科的显著特点。智能应用问题往往没有确定的求解算法而采用搜索的办法，一旦人们对某一问题掌握了足够丰富的知识，即已找到了不需要搜索的确定型算法，可以预见其行为与效果时，这个问题一般就不再认为是一个智能问题了。从应用的角度看，如果一项人工智能的研究成果已经成熟并被广泛采用，人们已经了解它的运行机制，就不再把它视为智能技术了。可以预言，目前被看成是智能计算机主要组成部分的知识库在不久的将来就会像数据库一样被当成一般的计算机技术。因此，智能计算机与其看成是与传统计算机完全不同的一种机器，还不如看成是带动计算机不断发展的一项高技术。这种压力迫使从事智能计算机研究的科研人员必须不断提出新概念、新方法，不断攻克新的技术难关。 研制智能计算机的目的不是用计算机代替人的脑力劳动，而是充分发挥人和计算机各自的特长，形成互补、协调的人机合作环境。不怎么聪明的智能计算机可以使聪明的人更加聪明。在人机合作的和谐环境中，人主要负责提供涉及面很广的常识和从事有创造性的工作，机器做为人的助手从事需要一定智能的其他工作。智能机往往是某些方面聪明过人而其他方面又十分愚笨，因此设计一个高效率高智商的人机协作智能系统必须合理地确定哪些事由人做，哪些事由机器做，而且要建立十分友好的人机对话界面。 研制智能计算机的主要途径 尽管各国学者为研制智能机进行长期不懈的努力，但究竟通过什么途径才能使计算机具有智能或者说表现出智能行为，还是一个未解决的问题。概括来说，已提出的主要途径有以下几条，它们分别以认知心理学、神经生理学、人类社会学及生物进化论为模拟的基础。 ①符号处理与知识处理。把智能问题当成符号处理与知识处理问题是人工智能的主流。纽威尔和西蒙教授在1975年的图灵奖演说中提出物理符号系统假设：物理符号系统是智能行为的充分必要条件。这一假设把符号处理技术摆到智能机研制的关键位置。60年代关于推理机制和问题求解技术的研究使人们认识到一个智能系统的能力主要在于系统中包含的知识而不是它的推理机制，这就是E.费根鲍姆教授倡导的知识原则。根据这一原则，构造智能机系统的关键是建立包含大量常识和专门知识的知识库，其技术难点在于知识的自动获取和自动维护以及知识共享等。这一途径的基础是逻辑理论与认知心理学。 ②人工神经网络。构造智能机的另一途径根源于神经生理学的研究成果，即用大量相对简单的处理单元（人工神经元）通过复杂的互连构成神经网络计算机。这一途径强调大规模并行、分布式的表示与处理、非线性的动力学系统行为、系统的训练与学习以及模拟量的处理等等。尽管目前提出的人工神经网模型及已研制的各种人工神经网系统与人脑的神经网结构相距甚远，但这种以整体的统计行为取代逻辑推理，以样本训练与学习取代执行某种算法的新思路对传统的唯理论与还原论是一种冲击。神经网计算机在模式识别和低层次感知模拟等方面有发展潜力，但也有一定局限性。它与传统的符号处理有某种互补关系。这两者的结合可以发挥各自的优势。 ③层次化的智力社会模型。错综复杂的人类社会是由许多个人和不同层次的团体组成。与此类似，智能行为也可看成是许多在不同层次上的相互影响的并行操作的进程。层次越低，其智力越差，最底层的处理应是非智能的行为。按这种思路，关键是要弄明白非智能的活动的联合如何才能浮现智能行为，其奥秘应在其相互联系之中。这就是明斯基教授主张的所谓“智力社会”模型。这一学派强调理解智能的层次和系统中各部分的联系，主要从人类社会的行为来看待思维与智能，其实现上较侧重分布式的人工智能和复杂的巨系统。 ④基于生物进化的智能系统。人类的智能是通过极其漫长的生物进化产生的，进化是智能的源泉。如果把机器智能的提高也当成是一种进化过程，其进化速度将比形成人的智能快得多。生物进化的关键是在动态环境中的适应能力。基于这一观点，布鲁克斯教授提出研制智能机的另一种途径：建立在现实世界中具有真正感知和行动能力的智能系统，由简单到复杂逐步提高其智能水平。这一方法强调自适应控制，主张无需表示无需推理的智能系统。 上述每一条途径都有各自的理论背景和应用前景。鉴于脑的功能是成千上万具有不同专门功能的子系统协作的结果，是上百万条生物进化缠绕组合的结果，人类智能的本质不可能归结为几个像波函数或运动学三定律那样规整、简洁、漂亮的基本原理。智能机也不可能按某一种固定模式制造。研究智能计算机应当采取综合集成的方法，在上述几条途径和可能的新途径基础上，将定性与定量、数字与模拟、逻辑与统计、电子与非电子等互补的技术综合集成起来，特别是将存于机器的知识与人的经验知识集成起来，发挥系统的整体优势与综合优势。 应用前景 智能计算机技术还很不成熟，现主要在做模式识别、知识处理及开发智能应用等方面的工作。尽管所取得的成果离人们期望的目标还有很大距离，但已经产生明显的经济效益与社会效益。专家系统已在管理调度、辅助决策、故障诊断、产品设计、教育咨询等方面广泛应用。文字、语音、图形图像的识别与理解以及机器翻译等领域也取得了重大进展，这方面的初级产品已经问市。计算机产品的智能化和智能机系统的研究开发将对国防、经济、教育、文化等各方面产生深远影响。计算机智能化是21世纪信息产业的重要发展方向。发展智能计算机将加速以信息产业为标志的新的工业革命。智能计算机的应用将放大人的智力，减少对自然资源的利用。它只需要极少的能量和材料，其价值主要在于知识。另一方面，研制智能计算机可以帮助人们更深入地理解人类自己的智能，最终揭示智能的本质与奥秘。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条