模式识别与人工智能审稿周期

《模式识别与人工智能》(月刊)创刊于1989年是由国家智能计算机研究开发中心和中国科学院合肥智能机械研究所共同主办、科学出版社出版的性期刊本刊主要发表和报道模式识,模式识别与人工智能属于月刊审稿周期在13个月左右具体周期以杂志社公布为准。前往《模式识别与人工智能》首页模式识别与人工智能简介《模式识别与人工智能》(,这个期刊不要投稿了审稿周期6个月是合肥工业大学智能研究所的专刊而且要求打印邮寄投稿现。希望《模式识别与人工智能审稿周期》一文对您能有所帮助！

模式识别能力是人工智能必须具备的能力吗

担任下列专家委员会委员：　
（1）中国计算机学会杰出会员、资深会员
（2）中国计算机学会人工智能与模式识别专委会委员
（3）中国计算机学会多值逻辑与模糊逻辑专委会常委委员
（4）中国人工智能学会知识工程与分布式智能专业委员会委员
（5）中国人工智能学会机器学学习专业委员会委员
（6）中国人工智能学会粗糙集与软计算专业委员会常委委员
（7）江苏省计算机学会人工智能专业委员会常委委员
（8）江苏省计算机学会大数据专家委员会委员
担任下列国际期刊编委：
（1）《IJCI: International Journal of Collaborative Intelligence》主编
（2）《JDCTA: Journal of Digital Contents Technology and Application》副主编
（3）《JCIT: Journal of Convergence Information Technology》编委
（4）《AISS: Advances in Information Sciences and Service Sciences》编委
（5）《IJACT: International Journal of Advancements in Computing Technology》编委
（6）《JCP: Journal of Computers》编委
（7）《JSW: Journal of Software》编委
（8）《IPL:CInformation Processing Letters》编委
（9）《AMIS: Applied Mathematics & Information Sciences》编委
担任下列国际期刊特约编辑：
（1）《Applied Mathematics & Information Sciences》特约编辑(Guest Editor)
（2）《INFORMATION》的特约编辑(Guest Editor)
（3）《Neurocpmputing》特约编辑(Guest Editor)
（4）《The Scientific World Journal》的特约编辑(Guest Editor)
（5）《Mathematical Problems in Engineering》的特约编辑(Guest Editor)
（6）《Journal of Computers (JCP)》特约编辑(Guest Editor)
（7）《Journal of Software (JSW)》特约编辑(Guest Editor)
（8）《Journal of Networks (JNW)》的特约编辑(Guest Editor)
担任下列国际SCI源刊特约审稿专家：
（1）《Journal of Information Science》
（2）《Applied Soft Computing》
（3）《Information Sciences》
（4）《Computational Statistics and Data Analysis》
（5）《IEEE Transactions on Fuzzy Systems》
（6）《International Journal of Pattern Recognition and Artificial Intelligence》
（7）《Neurocpmputing》
（8）《Soft Computing》
（9）《Pattern Recognition》
（10）《Pattern Recognition Letters》
担任下列国内核心期刊审稿专家：
（1）《计算机学报》
（2）《软件学报》
（3）《计算机研究与发展》
（4）《中国科学》
（5）《电子学报》
（6）《模式识别与人工智能》
（7）《计算机科学》
（8）《小型微型计算机系统》
（9）《计算机应用研究》
（10）《计算机工程与科学》
（11）《微电子学与计算机》
担任下列国内外会议PC Chair or Member：
（1）全国智能信息处理学术会议（NCIIP）程序委员会主席
（2）江苏省人工智能学术会议程序委员会主席
（3）2022\2022\2022年信息、智能与计算国际研讨会主席
（4）粒度计算国际会议程序委员会委员
（5）智能信息处理国际会议程序委员会委员
（6）中国机器学习会议程序委员会委员
（7）中国粗糙集与软计算、中国粒计算、中国Web智能联合会议程序委员会委员等。
丁世飞.研究方向
模式识别与人工智能
机器学习与数据挖掘
粗糙集与软计算
粒度计算
感知与认知计算
丁世飞.学术成果
已完成的项目：
1. 2001-2003参加并完成国家自然科学基金项目“信息模式识别理论及其在地学中的应用”的研究（项目编号: 40074001）
2. 1999-2001主持完成省教育厅项目“信息模式识别理论及其在害虫预测预报中的应用研究”
3. 1998-2000主持完成省教育厅项目“农作物病虫害现代生物数学预报技术研究”
4. 2005-2006主持中国博士后科学基金项目“视感知学习理论及其应用研究”（No.2005037439）
5. 2004-2006主持山东省作物生物学国家重点实验室开放基金项目“山东省玉米病虫害数字模式分类的研究”（No.20040010）
6. 2006-2008参加国家自然科学基金项目“多元数据的信息模式研究与地学数据分析”（No.40574001）
7. 2006-2022参加国家863高技术项目“基于感知机理的智能信息处理技术”(No. 2006AA01Z128)
8. 2007-2022主持中国科学院智能信息处理重点实验室开放基金项目“基于认知的模式特征分析理论与算法研究”(No.IIP2006-2)
9. 2022-2022主持江苏省基础研究计划（自然科学基金）项目“面向高维复杂数据的粒度知识发现研究”(No.BK2022093)
10.2022-2022主持北京邮电大学智能通信软件与多媒体北京市重点实验室开放课题 “粒度SVM方法与应用研究”
11. 2022-2022参加国家自然科学基金项目“分布式计算环境下的并行数据挖掘算法与理论研究”(No.60975039)
12. 2022-2022主持中国科学院智能信息处理重点实验室开放基金项目“高维复杂数据的粒度支持向量机理论与算法研究”(No.IIP2022-1)
目前正在进行的项目：
1. 2022.1-2022.12主持国家重点基础研究发展计划（973计划）课题“脑机协同的认知计算模型”(No.2022CB329502)
2. 2022.1-2022.12主持国家自然科学基金项目“面向大规模复杂数据的多粒度知识发现关键理论与技术研究” (No. 61379101)
3. 2022.1-2022.12参加国家自然科学基金项目“多元空间的模式分析方法研究及其在测量中的应用”(No.41074003)
已出版著作：
1. 丁世飞,靳奉祥,赵相伟著. 现代数据分析与信息模式识别. 北京:科学出版社,2022
2. 丁世飞编著. 人工智能. 北京: 清华大学出版社, 2022
3. 史忠植著. 知识工程. 北京: 清华大学出版社, 2022 (丁世飞等参编)
4. 史忠植著. 神经网络, 北京: 高等教育出版社, 2022 (丁世飞, 许新征等参编)
　　
已发表论文：
2022年
[1] Shifei Ding, Hongjie Jia, Liwen Zhang, Fengxiang Jin. Research of semi-supervised spectral clustering algorithm based on pairwise constraints. Neural Computing and Applications, 2022,24(1):211-219. (SCI, EI)
[2] Shifei Ding, Hongjie Jia, Jinrong Chen, Fengxiang Jin. Granular Neural Networks.Artificial Intelligence Review, 2022,41(3): 373-384. (SCI, EI)
[3] Shifei Ding, Huajuan Huang, Xinzheng Xu, Jian Wang. Polynomial Smooth Twin Support Vector Machines. Applied Mathematics & Information Sciences, 2022, 8(4) (SCI,EI)
[4] Shifei Ding, Zhongzhi Shi. Track on Intelligent Computing and Applications. Neurocomputing, 2022, vol.130, 1-2.(SCI, EI)
[5] Shifei Ding, Xiaopeng Hua. Recursive least squares projection twin support vector machines. Neurocomputing, 2022, vol.130, 3-9. (SCI, EI)
[6]花小朋,丁世飞. 局部保持对支持向量机. 计算机研究与发展, 2022, 51(3)(EI)
　　
2022年
[1] Xinzheng Xu, Shifei Ding, Weikuan Jia, Gang Ma, Fengxiang Jin. Research of assembling optimized classification algorithm by neural network based on Ordinary Least Squares (OLS). Neural Computing and Applications, 2022,22(1):187-193.(SCI, EI)
[2] Shifei Ding, Hui Li, Chunyang Su, Junzhao Yu, Fengxiang Jin. Evolutionary artificial neural networks: a review. Artificial Intelligence Review, 2022, 39(3):251-260. (SCI, EI)
[3] Li Hui, Ding Shifei. Research of Individual Neural Network Generation and Ensemble Algorithm Based on Quotient Space Granularity Clustering. Applied Mathematics & Information Sciences, 2022, 7(2):701-708. (SCI, EI)
[4] Hui Li, Shifei Ding. Research and Development of Granular Neural Networks. Applied Mathematics & Information Sciences, 2022, 7(3):1251-1261.(SCI, EI)
[5] Shifei Ding, Bingjuan Qi, Hongjie Jia, Hong Zhu. Research of Semi-supervised Spectral Clustering Based on Constraints Expansion. Neural Computing and Applications, 2022, 22 (Suppl 1):405-410. (SCI, EI)
[6] Shifei Ding, Yanan Zhang, Jinrong Chen, Weikuan Jia. Research on Using Genetic Algorithms to Optimize Elman Neural Networks. Neural Computing and Applications, 2022, 23(2):293-297.(SCI, EI)
[7] Hua-juan Huang, Shi-fei Ding, Zhong-zhi Shi. Primal least squares twin support vector regression. Journal of Zhejiang University SCIENCE C, 2022, 14(9):722-732. (SCI, EI)
[8] Shifei Ding, Youzhen Han, Junzhao Yu, Yaxiang Gu. A fast fuzzy support vector machine based on information granulation. Neural Computing and Applications, 2022, 23(suppl 1):S139-S144(SCI, EI)
[9] 黄华娟,丁世飞. 多项式光滑孪生支持向量回归机. 微电子学与计算机, 2022, 30(10):5-8.
[10] 丁世飞,黄华娟. 加权光滑CHKS孪生支持向量机. 软件学报, 2022, 24(11):2548-2557.
[11] 贾洪杰,丁世飞.基于邻域粗糙集约减的谱聚类算法.南京大学学报.自然科学版,2022, 49(5):619-627.
[12] Hong Zhu,Shifei Ding, Xinzheng Xu, Li Xu. A parallel attribute reduction algorithm based on Affinity Propagation clustering. Journal of Computers, 2022, 8(4):990-997. (EI)
[13] Hong Zhu, Shifei Ding, Han Zhao, Lina Bao. Attribute granulation based on attribute discernibility and AP algorithm. Journal of Software, 8(4):834-841.(EI)
[14] Yanan Zhang, Shifei Ding, Xinzheng Xu, Han Zhao, Wanqiu Xing. An Algorithm Research for Prediction of Extreme Learning Machines Based on Rough Sets. Journal of Computers, 2022, 8(5): 1335-1342.(EI)
[15] Hui Li, Shifei Ding. A Novel Neural Network Classification Model based on Covering and Affinity Propagation Clustering Algorithm. Journal of Computational Information Systems, 2022, 9(7):2565-2573. (EI)
[16] Shifei Ding, Junzhao Yu, Huajuan Huang, Han Zhao. Twin Support Vector Machines Based on Particle Swarm Optimization. Journal of Computers, 2022, 8(9): 2296-2303. (EI)
[17] Huajuan Huang,Shifei Ding, Fulin Wu. Invasive Weed Optimization Algorithm for Optimizating the Parameters of Mixed Kernel Twin Support Vecotr Machines. Journal of Computers, 2022, 8(8): 2077-2084. (EI)
[18] Hongjie Jia, Shifei Ding, Hong Zhu, Fulin Wu, Lina Bao. A Feature Weighted Spectral Clustering Algorithm Based on Knowledge Entropy. Journal of Software, 2022, 8(5): 1101-1108. (EI)
[19] Tongfeng Sun, Shifei Ding, Zihui Ren Novel Image Recognition Based on Subspace and SIFT. Journal of Software, 2022, 8(5): 1109-1116.(EI)
[20] Shifei Ding, Fulin Wu, Ru Nie, Junzhao Yu, Huajuan Huang. Twin Support Vector Machines Based on Quantum Particle Swarm Optimization. Journal of Software, 2022, 8(7): 1743-1750. (EI)
[21] Ding Shifei, Zhang Yanan, Xu Xinzheng, Bao Lina. A novel extreme learning machine based on hybrid kernel function. Journal of Computers,2022, 8(8):2110-2117.(EI)
[22] Shifei Ding, Huajuan Huang, Ru Nie. Forecasting Method of Stock Price Based on Polynomial Smooth Twin Support Vector Regression. Lecture Notes in Computer Science, 2022, Volume 7995, 2022, pp 96-105. (EI)
2022年
[1]Shifei Ding, Hong Zhu,Weikuan Jia,Chunyang Su. A survey on feature extraction for pattern recognition.Artificial Intelligence Review,2022, 37(3):169-180. (SCI, EI)
[2] Shifei Ding,Li Xu,Chunyang Su,Fengxiang Jin. An optimizing method of RBF neural network based on genetic algorithm. Neural Computing and Applications, 2022, 21(2):333-336. (SCI, EI)
[3] Shifei Ding,Bingjuan Qi. Research Of granular support vector machine. Artificial Intelligence Review, 2022, 38(1):1-7. (SCI, EI)
[4] Xin-zheng XU, Shi-fei DING, Zhong-zhi SHI, Hong ZHU. Optimizing radial basis function neural network based on rough sets and affinity propagation clustering algorithm. Journal of Zhejiang University-SCIENCE C (Computers & Electronics), 2022,13(2):131-138. (SCI, EI)
[5] Bingjuan Qi,Shifei Ding, Huajuan Huang, Junzhao Yu. A Support Vector Extraction Method based on Clustering Membership.International Journal of Digital Content Technology and its Applications, 2022, 6(13):1-10. (EI)
[6] Chang Tong, Shi-fei Ding, Hong Zhu, Hongjie Jia. A Granularity Attribute Reduction Algorithm Based on Binary Discernibility Matrix. International Journal of Advancements in Computing Technology, 2022, 4(12):213-221. (EI)
[7] Xiaopeng Hua, Shifei Ding. Matrix Pattern Based Projection Twin Support Vector Machines. International Journal of Digital Content Technology and its Applications, 2022, 6(20):172-181. (EI)
[8] Junzhao Yu, Shifei Ding, Huajuan Huang. Twin Support Vector Machines Based on Rough Sets. International Journal of Digital Content Technology and its Applications, 2022, 6(20):493-500. (EI)
[9] Huajuan Huang, Shifei Ding. A Novel Granular Support Vector Machine Based on Mixed Kernel Function. International Journal of Digital Content Technology and its Applications, 2022, 6(20):484-492. (EI)
[10] Shifei Ding(Guest editorial). Special Issue: Advances in Information and Computers, Journal of Computers, 2022, 7(10):2351-2353.(EI)
[11] Shifei Ding(Guest editorial). Special Issue: Advances in Information and Networks. Journal of Networks, 2022, 7(7):1007-1008.(EI)
(被EI收录, 收录号:20223415368412)
[12] Shifei Ding(Guest editorial). Special Issue: Advances in Information and Networks. Journal of Software, 7(9):1923-1924. (EI)
[13] Shifei Ding, Zhentao Yu (Guest editorial). Special Issue: Advances in Computers and Electronics Engineering. Journal of Computers, 2022, 7(12):2851-2852. (EI)
[14]丁世飞, 朱红, 许新征, 史忠植. 基于熵的模糊信息测度研究. 计算机学报, 2022.35(4):796-801(EI).
[15] 朱红,丁世飞, 许新征. 基于改进属性约简的细粒度并行AP聚类算法. 计算机研究与发展, 2022, 49(12):2638-2644 (EI)
[16] 许新征,丁世飞,史忠植,赵作鹏,朱红.一种基于QPSO的脉冲耦合神经网络参数的自适应确定方法. 模式识别与人工智能, 2022,25(6): 909-915(EI)
[17] 马刚,丁世飞, 史忠植. 基于极速学习的粗糙RBF神经网络. 微电子学与计算机, 2022, 29(8):9-14.
2022年
[1]Shifei Ding, Weikuan Jia, Chunyang Su, et al. Research of Neural Network Algorithm Based on Factor Analysis and Cluster Analysis. Neural Computing and Applications, 2022, 20(2): 297-302 (SCI,EI).
[2]Shifei Ding, Chunyang Su, Junzhao Yu. An Optimizing BP Neural Network Algorithm Based on Genetic Algorithm. Artificial Intelligence Review, 2022, 36Algorithm. Artificial Intelligence Review, 2022, 36(2): 153-162 (SCI, EI).
[3]Shifei Ding, Weikuan Jia, Chunyang Su, et al. Research of Neural Network Algorithm Based on Factor Analysis and Cluster Analysis. Neural Computing and Applications, 2022, 20(2): 297-302 (SCI, EI).
[4]Shifei Ding, Chunyang Su, Junzhao Yu. An Optimizing BP Neural Network Algorithm Based on Genetic Algorithm. Artificial Intelligence Review, 2022, 36(2): 153-162 (SCI, EI).
[5]Ding Shifei, Qian Jun, Xu Li, Zhao Xiangwei, Jin Fengxiang. A Clustering Algorithm Based on Information Visualization. International Journal of Digital Content Technology and its Applications, 2022, 5(1): 26-31 (EI).
[6]Shifei Ding, Yu Zhang, Li Xu, Jun Qian. A Feature Selection Algorithm Based on Tolerant Granule. Journal of Convergence Information Technology, 2022, 6(1): 191-195 (EI).
[7]Ding Shifei, Li Jianying, Xu Li, Qian Jun. Research Progress of Granular Computing (GrC). International Journal of Digital Content Technology and its Applications, 2022, 5(1): 162-172 (EI).
[8]Ding Shifei, Qian Jun, Xu Li, Zhao Xiangwei, Jin Fengxiang. A Clustering Algorithm Based on Information Visualization.International Journal of Digital Content Technology and its Applications, 2022, 5(1): 26-31 (EI).
[9]Shifei Ding, Yu Zhang, Li Xu, Jun Qian. A Feature Selection Algorithm Based on Tolerant Granule. Journal of Convergence Information Technology, 2022, 6(1): 191-195 (EI).
[10]Ding Shifei, Li Jianying, Xu Li, Qian Jun. Research Progress of Granular Computing (GrC). International Journal of Digital Content Technology and its Applications, 2022, 5(1): 162-172 (EI).
[11]Shifei DING, Jinrong CHEN, Xinzheng XU, Jianying LI. Rough Neural Networks: A review. Journal of Computational Information Systems, 2022, 7(7): 2338-2346(EI).
[12]Shifei Ding, Xinzheng Xu, Hong Zhu. Studies on Optimization Algorithms for Some Artificial Neural Networks Based on Genetic Algorithm (GA). Journal of Computers, 2022, 6 (5):939-946 (EI).
[13]Shifei DING, Yaxiang GU. A Fuzzy Support Vector Machine Algorithm with Dual Membership Based on Hypersphere. Journal of Computational Information Systems, 2022, 7(6): 2028-2034 (EI).
[14]丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述. 电子科技大学学报,2022, 40(1): 2-10 (EI).
[15] 贾伟宽, 丁世飞, 许新征, 苏春阳, 史忠植. 基于Shannon熵的因子特征提取算法研究. 模式识别与人工智能, 2022, 24(3): 327-331 (EI).
2022年以前
[1] Shifei Ding, Weikuian Jia, Xinzheng Xu, et al. Neural Networks Algorithm Based on Factor Analysis. Lecture Notes in Computer Science, Vol.6063/2022, pp.319-324 (EI).
[2] Shifei Ding, Weikuan Jia, Chunyang Su, et al. An improved BP Neural Netwok Algorithm Based on Factor Analysis. Journal of Convergence Information Technology, 2022, 5(4): 103-108 (EI).
[3] Shifei Ding, Li Xu, Hong Zhu, Liwen Zhang. Research and Progress of Cluster Algorithms based on Granular Computing. International Journal of Digital Content Technology and its Applications, 2022, 4(5): 96-104 (EI).
[4] Shifei Ding, Li Xu, Chunyang Su, Hong Zhu. Using Genetic Algorithms to Optimize Artificial Neural Networks, Journal of Convergence Information Technology, 2022, 5(8): 54-62 (EI).
[5] Shifei Ding, Yongping Zhang, Xiaofeng Lei et al. Research on a principal components decision algorithm based on information entropy. Journal of Information Science, 2022, 35(1):120-127 (SCI, EI).
[6]Shifei Ding, Chunyang Su, Weikuan Jia, Fengxiang Jin, Zhongzhi Shi. Several Progress of Semi-Supervised Learning. Journal of Information & Computational Science, 2022, 6(1): 211-217 (EI).
[7] Shi-Fei Ding, Shi-Xiong Xia, Feng-Xiang Jin, Zhong-Zhi Shi. Novel Fuzzy Information Proximity Measures. Journal of Information Science, 2007, 33 (6):678-685 (SCI, EI).
[8] Ding Shifei, Shi Zhongzhi. Supervised Feature Extraction Algorithm Based on Improved Polynomial Entropy. Journal of Information Science, 32(4): 309-315,2006.8 (SCI, EI)
[9] Ding Shifei, Shi Zhongzhi. Studies on Incidence Pattern Recognition Based on Information Entropy. Journal of Information Science, 31(6):497-502,2005.12 (SCI, EI).
[10] Ding Shifei, Jin Fengxiang. Information characteristics of discrete K-L transform based on information entropy. Transactions Nonferrous Metals Society of China, 2003.6(SCI ,EI).
[11] Shifei Ding, Zhongzhi Shi, Xiaoying Wang. Symmetric Cross Entropy and Information Feature Compression Algorithm. Journal of Computational Information Systems, 1(2): 247-252 , 2005.6 (EI).
[12] Ding Shifei, Shi Zhongzhi. Studies on Information Clustering Algorithm Based on MID. Chinese Journal of Electronics, Vol.15 No.4A, pp.918-920, 2006 (SCI, EI).
[13] Ding Shifei, Shi Zhongzhi. Divergence-based Supervised Information Feature Compression Algorithm.Lecture Notes in Computer Science, Vol. 3971/2006, pp. 1421-1426(SCI, EI).
[14] Shifei Ding, Zhongzhi Shi. A Novel Supervised Information Feature Compression Algorithm. Lecture Notes in Computer Science, Vol. 3991/2006, pp. 777-780 (SCI, EI).
[15] Shifei Ding, Zhongzhi Shi, Yuncheng Wang,and Fengxiang Jin. Optimization Feature Compression and FNN Realization. Lecture Notes in Control and Information Science, Vol. 344/2006, pp. 951-956(SCI, EI).
[16] Shifei Ding, Zhongzhi Shi, and Fengxiang Jin. Supervised Feature Extraction Algorithm Based on Continuous Divergence Criterion. Lecture Notes in Artificial Inteligence, Vol. 4114/2006, pp.268-277 (SCI, EI).
[17] 丁世飞, 贾伟宽, 许新征, 苏春阳. 基于PLS的Elman神经网络算法研究. 电子学报, 2022, 38(2A): 71-75 (EI).
[18] 许新征, 丁世飞, 史忠植, 贾伟宽. 图像分割的新理论何新方法. 电子学报, 2022, 38(2A): 76-82(EI).
[19] 丁世飞,靳奉祥. Fuzzy-Grey信息集成模式识别算法的研究. 计算机辅助设计与图形学学报, 2004, 16(3):275-278 (EI).
[20] 丁世飞,靳奉祥,史忠植. 基于PLS的信息特征压缩算法. 计算机辅助设计与图形学学报, 2005, 17(2):368-371 (EI).
[21] 丁世飞,史忠植. 基于广义距离的直接聚类算法研究.计算机研究与发展，2007, 44(4): 674-679(EI).
[22] 丁世飞,黄华娟. 加权光滑CHKS孪生支持向量机. 软件学报, 2022, 24(11):2548-2557(EI).
丁世飞,获奖情况
1. 2007年获全国优秀博士学位论文提名奖
2. 2006年获山东省优秀博士学位论文奖
3. 2007年获山东高等学校优秀科研成果二等奖，第1位
4. 2006年获中国科学院计算技术研究所优秀博士后出站报告
4. 2004年获山东高等学校优秀科研成果二等奖，第1位
5. 2001年获山东省省级教学成果三等奖，第4位

模式识别与人工智能期刊投稿难度

本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书共分为13章，内容包括：模式识别概述，特征的选择与提取，模式相似性测度，贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数冲经网络、自组织竞争神经网络、慨率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器，粗糙集分类器，聚类分析，模糊聚类分析，遗传算法聚类分析，蚁群算法聚类分析，粒子群算法聚类分析。

模式识别与人工智能期刊影响因子

近十多年来，随着算法与控制技术的不断提高，人工智能正在以爆发式的速度蓬勃发展。并且，随着人机交互的优化、大数据的支持、模式识别技术的提升，人工智能正逐渐的走入我们的生活。本文主要阐述了人工智能的发展历史、发展近况、发展前景以及应用领域。

人工智能（Artificial Intelligence）简称AI，是麦卡赛等人在1956年的一场会议时提出的概念。

近几年，在“人机大战”的影响下，人工智能的话题十分的火热，特别是在“阿尔法狗”（AlphaGo）战胜李世石后，人们一直在讨论人是否能“战胜”自己制造的有着大数据支持的“人工智能”，而在各种科幻电影的渲染中，人工智能的伦理性、哲学性的问题也随之加重。

人工智能是一个极其复杂又令人激动的事物，人们需要去了解真正的人工智能，因此本文将会对什么是人工智能以及人工智能的发展历程、未来前景和应用领域等方面进行详细的阐述。

人们总希望使计算机或者机器能够像人一样思考、像人一样行动、合理地思考、合理地行动，并帮助人们解决现实中实际的问题。而要达到以上的功能，则需要计算机（机器人或者机器）具有以下的能力：

自然语言处理（natural language processing）

知识表示（knowledge representation）

自动推理（automated reasoning）

机器学习（machine learning）

计算机视觉（computer vision）

机器人学（robotics）

这6个领域，构成了人工智能的绝大多数内容。人工智能之父阿兰·图灵（Alan Turing）在1950年还提出了一种图灵测试（Turing Test），旨在为计算机的智能性提供一个令人满意的可操作性定义。

关于图灵测试，是指测试者在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果有超过30%的测试者不能确定出被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。

图灵测试是在60多年前就已经提出来了，但是在现在依然适用，然而我们现在的发展其实远远落后于当年图灵的预测。

在2022年6月8日，由一个俄罗斯团队开发的一个模拟人类说话的脚本——尤金·古斯特曼（Eugene Goostman）成为了首个通过图灵测试的“计算机”，它成功的使人们相信了它是一个13岁的小男孩，该事件成为了人工智能发展的一个里程碑。

在2022年，《Science》杂志报道称，人工智能终于能像人类一样学习，并通过了图灵测试。一个AI系统能够迅速学会写陌生文字，同时还能识别出非本质特征，这是人工智能发展的一大进步。

①1943-1955年人工智能的孕育期

人工智能的最早工作是Warren McCulloch和Walter Pitts完成的，他们利用了基础生理学和脑神经元的功能、罗素和怀特海德的对命题逻辑的形式分析、图灵的理论，他们提出了一种神经元模型并且将每个神经元叙述为“开”和“关”。人工智能之父图灵在《计算机与智能》中，提出了图灵测试、机器学习、遗传算法等各种概念，奠定了人工智能的基础。

②1956年人工智能的诞生

1956年的夏季，以麦卡锡、明斯基、香农、罗切斯特为首的一批科学家，在达特茅斯组织组织了一场两个月的研讨会，在这场会议上，研究了用机器研究智能的一系列问题，并首次提出了“人工智能”这一概念，人工智能至此诞生。

③1952-1969年人工智能的期望期

此时，由于各种技术的限制，当权者人为“机器永远不能做X”，麦卡锡把这段时期称作“瞧，妈，连手都没有！”的时代。

后来在IBM公司，罗切斯特和他的同事们制作了一些最初的人工智能程序，它能够帮助学生们许多学生证明一些棘手的定理。

1958年，麦卡锡发表了“Program with Common Sense”的论文，文中他描述了“Advice Taker”，这个假想的程序可以被看作第一个人工智能的系统。

④1966-1973人工智能发展的困难期

这个时期，在人工智能发展时主要遇到了几个大的困难。

第一种困难来源于大多数早期程序对其主题一无所知；

第二种困难是人工智能试图求解的许多问题的难解性。

第三种困难是来源于用来产生智能行为的基本结构的某些根本局限。

⑤1980年人工智能成为产业

此时期，第一个商用的专家系统开始在DEC公司运转，它帮助新计算机系统配置订单。1981年，日本宣布了“第五代计算机”计划，随后美国组建了微电子和计算机技术公司作为保持竞争力的集团。随之而来的是几百家公司开始研发“专家系统”、“视觉系统”、“机器人与服务”这些目标的软硬件开发，一个被称为“人工智能的冬天”的时期到来了，很多公司开始因为无法实现当初的设想而开始倒闭。

⑥1986年以后

1986年，神经网络回归。

1987年，人工智能开始采用科学的方法，基于“隐马尔可夫模型”的方法开始主导这个领域。

1995年，智能Agent出现。

2001年，大数据成为可用性。

在1997年时，IBM公司的超级计算机“深蓝”战胜了堪称国际象棋棋坛神话的前俄罗斯棋手Garry Kasparov而震惊了世界。

在2022年时，Google旗下的DeepMind公司研发的阿尔法围棋（AlphaGo）以4:1的战绩战胜了围棋世界冠军、职业九段棋手李世石，从而又一次引发了关于人工智能的热议，随后在2022年5月的中国乌镇围棋峰会上以3:0的战绩又战胜了世界排名第一的柯洁。

2022年1月6日，百度的人工智能机器人“小度”在最强大脑的舞台上人脸识别的项目中以3:2的成绩战胜了人类“最强大脑”王峰。1月13日，小度与“听音神童”孙亦廷在语音识别项目中以2:2的成绩战平。随后又在1月21日又一次在人脸识别项目中以2:0的成绩战胜了“水哥”王昱珩，更在最强大脑的收官之战中战胜了人类代表队的黄政与Alex。

2022年9月1日，百度李彦宏发布了“百度大脑”计划，利用计算机技术模拟人脑，已经可以做到孩子的智力水平。李彦宏阐述了百度大脑在语音、图像、自然语言处理和用户画像领域的前沿进展。目前，百度大脑语音合成日请求量2.5亿，语音识别率达97%。

“深度学习”是百度大脑的主要算法，在图像处理方面，百度已经成为了全世界的最领先的公司之一。

百度大脑的四大功能分别是：语音、图像，自然语言处理和用户画像。

语音是指具有语音识别能力与语音合成能力，图像主要是指计算机视觉，自然语言处理除了需要计算机有认知能力之外还需要具备推理能力，用户画像是建立在一系列真实数据之上的目标用户模型。

工业4.0是由德国提出来的十大未来项目之一，旨在提升制造业的智能化水平，建立具有适应性、资源效率及基因工程学的智慧工厂。

工业4.0已经进入中德合作新时代，有明确提出工业生产的数字化就是“工业4.0”对于未来中德经济发展具有重大意义。

工业4.0项目主要分为三大主题：智能工厂、智能生产、智能物流。

它面临的挑战有：缺乏足够的技能来加快第四次工业革命的进程、企业的IT部门有冗余的威胁、利益相关者普遍不愿意改变。

但是随着AI的发展，工业4.0的推进速度将会大大推快。

人工智能可以渗透到各行各业，领域很多，例如：

①无人驾驶：它集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物世界上最先进的无人驾驶汽车已经测试行驶近五十万公里，其中最后八万公里是在没有任何人为安全干预措施下完成的。英国政府也在资助运输研究实验室（TRL），它将在伦敦测试无人驾驶投递车能否成功用于投递包裹和其他货物，使用无人驾驶投递车辆将成为在格林威治实施的众多项目之一。

②语音识别：该技术可以使让机器知道你在说什么并且做出相应的处理，1952年贝尔研究所研制出了第一个能识别10个英文数字发音的系统。在国外的应用中，苹果公司的siri一直处于领先状态，在国内，科大讯飞在这方面的发展尤为迅速。

③自主规划与调整：NASA的远程Agent程序未第一个船载自主规划程序，用于控制航天器的操作调度。

④博弈：人机博弈一直是最近非常火热的话题，深度学习与大数据的支持，成为了机器“战胜”人脑的主要方式。

⑤垃圾信息过滤：学习算法可以将上十亿的信息分类成垃圾信息，可以为接收者节省很多时间。

⑥机器人技术：机器人技术可以使机器人代替人类从事某些繁琐或者危险的工作，在战争中，可以运送危险物品、炸弹拆除等。

⑦机器翻译：机器翻译可以将语言转化成你需要的语言，比如现在的百度翻译、谷歌翻译都可以做的很好，讯飞也开发了实时翻译的功能。

⑧智能家居：在智能家居领域，AI或许可以帮上很大的忙，比如模式识别，可以应用在很多家居上使其智能化，提高人机交互感，智能机器人也可以在帮人们做一些繁琐的家务等。

专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。

机器学习(Machine Learning, ML)是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等的多领域交叉学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，它是人工智能的核心，是使计算机具有智能的根本途径,也是深度学习的基础。

机器学习领域的研究工作主要围绕以下三个方面进行：

（1）面向任务的研究

研究和分析改进一组预定任务的执行性能的学习系统。

（2）认知模型

研究人类学习过程并进行计算机模拟。

（3）理论分析

从理论上探索各种可能的学习方法和独立于应用领域的算法

机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。但是现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。

遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。它借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）进行随机化搜索，它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域，它是现代有关智能计算中的关键技术。

Deep Learning即深度学习，深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。是机器学习中一种基于对数据进行表征学习的方法。

他的基本思想是：假设我们有一个系统S，它有n层（S1,…Sn），它的输入是I，输出是O，形象地表示为：I =>S1=>S2=>…..=>Sn

=> O，如果输出O等于输入I，即输入I经过这个系统变化之后没有任何的信息损失，设处理a信息得到b，再对b处理得到c，那么可以证明：a和c的互信息不会超过a和b的互信息。这表明信息处理不会增加信息，大部分处理会丢失信息。保持了不变，这意味着输入I经过每一层Si都没有任何的信息损失，即在任何一层Si，它都是原有信息（即输入I）的另外一种表示。Deep Learning需要自动地学习特征，假设我们有一堆输入I（如一堆图像或者文本），假设设计了一个系统S（有n层），通过调整系统中参数，使得它的输出仍然是输入I，那么就可以自动地获取得到输入I的一系列层次特征，即S1，…, Sn。对于深度学习来说，其思想就是对堆叠多个层，也就是说这一层的输出作为下一层的输入。通过这种方式，就可以实现对输入信息进行分级表达了。

深度学习的主要技术有：线性代数、概率和信息论；欠拟合、过拟合、正则化；最大似然估计和贝叶斯统计；随机梯度下降；监督学习和无监督学习深度前馈网络、代价函数和反向传播；正则化、稀疏编码和dropout；自适应学习算法；卷积神经网络；循环神经网络；递归神经网络；深度神经网络和深度堆叠网络；

LSTM长短时记忆；主成分分析；正则自动编码器；表征学习；蒙特卡洛；受限波兹曼机；深度置信网络；softmax回归、决策树和聚类算法；KNN和SVM；

生成对抗网络和有向生成网络；机器视觉和图像识别；自然语言处理；语音识别和机器翻译；有限马尔科夫；动态规划；梯度策略算法；增强学习（Q-learning）。

随着人工智能的发展，人工智能将会逐渐走入我们的生活、学习、工作中，其实人工智能已经早就渗透到了我们的生活中，小到我们手机里的计算机，Siri,语音搜索，人脸识别等等，大到无人驾驶汽车，航空卫星。在未来，AI极大可能性的去解放人类，他会替代人类做绝大多数人类能做的事情，正如刘慈欣所说：人工智能的发展，它开始可能会代替一部分人的工作，到最后的话，很可能他把90%甚至更高的人类的工作全部代替。吴恩达也表明，人工智能的发展非常快，我们可以用语音讲话跟电脑用语音交互，会跟真人讲话一样自然，这会完全改变我们跟机器交互的办法。自动驾驶对人也有非常大的价值，我们的社会有很多不同的领域，比如说医疗、教育、金融，都会可以用技术来完全改变。

[1] Russell,S.J.Norvig,P.人工智能：一种现代的方法（第3版）北京：清华大学出版社，2022（2022.12重印）

[2]库兹韦尔，人工智能的未来杭州：浙江人民出版社，2022.3

[3]苏楠.人工智能的发展现状与未来展望[J].中小企业管理与科技(上旬刊),2022,(04):107-108.

[4]王超.从AlphaGo的胜利看人工智能的发展历程与应用前景[J].中国新技术新产品,2022,(04):125-126.

[5]朱巍,陈慧慧,田思媛,王红武.人工智能:从科学梦到新蓝海——人工智能产业发展分析及对策[J].科技进步与对策,2022,(21):66-70.

[6]王江涛.浅析人工智能的发展及其应用[J].电子技术与软件工程,2022,(05):264.

[7]杨焱.人工智能技术的发展趋势研究[J].信息与电脑(理论版),2022,(08):151-152.

[8]张妮,徐文尚,王文文.人工智能技术发展及应用研究综述[J].煤矿机械,2022,(02):4-7.

[9]王永忠.人工智能技术在智能建筑中的应用研究[J].科技信息,2022,(03):343+342.

[10]李德毅,肖俐平.网络时代的人工智能[J]中文信息学报,2008,(02):3-9.

[11]李红霞.人工智能的发展综述[J].甘肃科技纵横,2007,(05):17-18

[12]孙科.基于Spark的机器学习应用框架研究与实现[D].上海交通大学,2022.

[13]朱军,胡文波.贝叶斯机器学习前沿进展综述[J].计算机研究与发展,2022,(01):16-26.

[14]何清,李宁,罗文娟,史忠植.大数据下的机器学习算法综述[J].模式识别与人工智能,2022,(04):327-336.

[15]郭亚宁,冯莎莎.机器学习理论研究[J].中国科技信息,2022,(14):208-209+214.

[16]陈凯,朱钰.机器学习及其相关算法综述[J].统计与信息论坛,2007,(05):105-112.

[17]闫友彪,陈元琰.机器学习的主要策略综述[J].计算机应用研究,2004,(07):4-10+13.

[18]张建明,詹智财,成科扬,詹永照.深度学习的研究与发展[J].江苏大学学报(自然科学版),2022,(02):191-200.

[19]尹宝才,王文通,王立春.深度学习研究综述[J].北京工业大学学报,2022,(01):48-59.

[20]刘建伟,刘媛,罗雄麟.深度学习研究进展[J].计算机应用研究,2022,(07):1921-1930+1942

[21]马永杰,云文霞.遗传算法研究进展[J].计算机应用研究,2022,(04):1201-1206+1210.

[22]曹道友.基于改进遗传算法的应用研究[D].安徽大学,2022