关键词： 软计算   机器学习   智能财务决策   不确定性  

摘要： 在新经济新技术环境下,财务理论面临的新挑战是如何构建智能化模型来解决数字经济下的新问题,尤其是如何利用软计算技术和机器深度学习模型,解决投融资决策和资金配置优化的实际问题。本文研究了软计算智能模拟和机器深度学习应用理论问题,结合资金配置优化的应用范例来构建智能化模型,将软计算和机器深度学习模型集成应用于中高层以及执行人的财务决策过程,对于那些高度非线性过程控制和决策,更能展现智能财务决策的创新价值。

关键词： 量子机器学习   人工智能   量子计算   可计算性   计算复杂性  

摘要： 量子机器学习是量子计算与机器学习交叉形成的新研究方向,其主要目标是利用量子特性实现对传统机器学习算法的加速。目前已经出现了不少有实际应用价值的量子机器学习算法,这些算法能通过降低计算的复杂性程度,在一些特定领域实现弱人工智能。从可计算性的视角来看,量子机器学习能完成非决定性计算,在理论上可以实现对意识结果的模拟,从而为强人工智能提供支持。

关键词： 人工智能   计算机   机器学习   电力负荷预测  

摘要： 半个多世纪以来,人工智能领域的研究取得了很大的进展,它越来越受到多学科、不同专业背景的学者的关注,已成为一个广泛的交叉前沿学科。人工智能已在世界范围内迅速传播和发展。随着社会的进步和科学技术的发展,人工智能促进了其他学科的发展。

关键词： 计算传播学   人工智能   机器学习   深度学习  

摘要： 人工智能浪潮已经席卷全球,不仅改变了人类的生活方式和传播行为,也改变了人类观察和认识世界的方式。人工智能与大数据驱动的计算范式延伸至社会科学领域,受传统传播学定量研究范式、数据科学和网络科学的影响和启发,计算传播学方兴未艾,已经成为计算社会科学的重要分支学科之一。从数据挖掘到机器学习,再到深度学习,人工智能算法和技术极大提高了计算方法处理大数据的精度和效率。目前,与无监督和监督学习方法相结合,自动化内容分析、情感分析和社会网络分析等方法为计算传播学研究提供了数据处理、整合和分析的研究策略和经验。在未来,通过开发和建立可扩展的自动化内容分析框架和系统,引入更丰富的深度学习策略,以及推动跨学科研究的方法创新等,将有助于人工智能与计算传播学在更广泛的交叉领域实现深度融合。

关键词： 哈尔滨工程大学   作者   人工智能   智能信息处理   机器学习   智能科学   智能系统   计算智能  

摘要： 期刊简介《智能系统学报》是中国人工智能学会的会刊,由中国人工智能学会与哈尔滨工程大学联合主办,主要刊登人工智能与计算智能、智能控制与决策、智能信息处理、专家系统与知识工程、机器学习与知识发现以及人工心理与机器感情等内容,反映我国智能科学领域理论研究及科研进展情况,以促进和扩大国内外学术交流,为我国智能科学的发展和社会进步服务。

关键词： 哈尔滨工程大学   作者   人工智能   智能信息处理   机器学习   智能科学   智能系统   计算智能  

摘要： 《智能系统学报》是中国人工智能学会的会刊,由中国人工智能学会与哈尔滨工程大学联合主办,主要刊登人工智能与计算智能、智能控制与决策、智能信息处理、专家系统与知识工程、机器学习与知识发现以及人工心理与机器感情等内容,反映我国智能科学领域理论研究及科研进展情况,以促进和扩大国内外学术交流,为我国智能科学的发展和社会进步服务。

关键词： 哈尔滨工程大学   作者   人工智能   智能信息处理   机器学习   智能科学   智能系统   计算智能  

摘要： 期刊简介《智能系统学报》是中国人工智能学会的会刊,由中国人工智能学会与哈尔滨工程大学联合主办,主要刊登人工智能与计算智能、智能控制与决策、智能信息处理、专家系统与知识工程、机器学习与知识发现以及人工心理与机器感情等内容,反映我国智能科学领域理论研究及科研进展情况,以促进和扩大国内外学术交流,为我国智能科学的发展和社会进步服务。

关键词： 自动机器学习   遗传编程   贝叶斯优化   蒙特卡洛树搜索  

摘要： 自动机器学习是指在完全没有人工干预的条件通过算法自动的完成机器学习的完整设计流程,其核心是要实现包括模型选择、特征选择、参数调优等环节在内的自动化设计。自动化机器学习能够给研究者在已有问题上带来新的研究思路,并降低人工智能技术在各工业领域的应用门槛,已成为当前人工智能最前沿的研究方向之一。本文主要针对自动机器学习中的架构搜索方向下的两个子领域展开研究,分别是机器学习模型结构搜索和神经网络架构搜索。机器学习模型结构搜索研究如何自动设计机器学习模型集成的方式,通过自动尝试集成不同模型的优点得到优于单模型的集成模型。神经网络架构搜索研究如何自动设计神经网络架构,通过自动生成新的神经网络架构进行训练找到适合任务问题的网络架构。在机器学习模型结构搜索研究中,我们定义了一种基于图的模型集成表达形式,提出了将图拆分成层单元的组合方案;然后将图结构结合遗传编程算法,定义了新的随机算子、交叉算子和变异算子。我们将机器学习模型作为图结构中的节点,数据在图结构中各个节点之间传输,用遗传编程算法对图结构展开搜索,以此来找到机器学习模型的集成结构。我们将算法在PMLB十五个分类任务上展开模型搜索,并同时比较多个其他方法。实验结果表明,本文提出的方法在测试数据集上的分类效果优于传统机器学习方法和其他自动化机器学习方法。同时展示了搜索过程中最优模型准确率提升时模型结构所经历的变化,发现回归模型在集成的结构中有提升准确率的作用。在神经网络架构搜索中,我们基于贝叶斯优化神经网络架构搜索方法展开研究,对于优化采集函数的算法提出了改进。本文采用了蒙特卡洛树搜索作为优化采集函数的搜索策略,搜索时控制树的宽度与深度两个搜索方向,平衡探索与利用的关系优化搜索结果,同时基于算法原理优化搜索的时间。我们在两个分类图像数据集上展开神经网络架构搜索的实验并与基于模拟退火的方法(Auto-Keras)进行比较,最终实验结果表明,我们所提出的搜索策略效率更高且搜索得到的准确率更高。同时展示了我们与对比算法搜索到的神经网络架构,发现我们的模型复杂度更小,更不容易过拟合。

关键词： 机器学习   Google   人工智能  

摘要： 近日在"Google Solve with AI"活动上,Google资深研究员、Google AI负责人Jeff Dean指出,机器学习是解释AI最好的一个方法。机器学习能通过数据的积累,自动收集信息,建立强大的数据库,并找到一个模式,利用数学的运算进行推理。"但是怎么使用训练出来的功能,又是另一个命题了。"Jeff Dean提到,机器学习在某些领域已经发挥得非常好了,在看、听、说和理解,这四点上,都可以透过机器学习的功能

摘要： Artificial intelligence (AI) is revolutionizing contemporary industries and being applied in application domains ranging from recommendation systems to self-driving cars. In scenarios in which humans are interacting with an AI, inaccurate algorithms could lead to human mistreatment or even harmful events. Human-in-the-loop computing is a machine learning approach desiring hybrid intelligence, the combination of human and machine intelligence, to achieve accurate and interpretable results. This thesis applies human-in-the-loop computing in a Design Science Research project with a Swedish manufacturing company to make operational processes more efficient. The thesis aims to investigate emerging design principles useful for designing machine learning algorithms of hybrid intelligence. Hereby, the thesis has two key contributions: First, a theoretical framework is built that comprises general design knowledge originating from Information Systems (IS) research. Second, the analysis of empirical findings leads to the review of general IS design principles and to the formulation of useful design principles for human-in-the-loop computing. Whereas the principle of AI-readiness improves the likelihood of strategical AI success, the principle of hybrid intelligence shows how useful it can be to trigger a demand for human-in-the-loop computing in involved stakeholders. The principle of use case-marketing might help designers to promote the customer benefits of applying human-in-the-loop computing in a research setting. By utilizing the principle of power relationship and the principle of human-AI trust, designers can demonstrate the humans’ power over AI and build a trusting human-machine relationship. Future research is encouraged to extend and specify the formulated design principles and employ human-in-the-loop computing in different research settings. With regard to technological advancements in brain-machine interfaces, human-in-the-loop computing might even become much m