Apr, 2023

利用网络分析加强人工智能政策的融合和预测：来自印度专利的启示

PDF
TL;DR该研究通过使用中心性度量，聚类系数和融合度量，研究了各种人工智能（AI）技术之间的相互联通性和相互依赖性。通过对不同时间窗口的技术进行分析，并量化其重要性，我们揭示了塑造 AI 领域和成熟度水平的关键组件，对未来的人工智能发展和进步具有重要的影响和启示作用。
发现论文，激发创造
  • 使用 AI 预测 AI 的未来：在指数级增长的知识网络中进行高质量的链接预测

    使用 AI 技术构建基于真实世界数据的 Science4Cast 基准测试，并提出十种不同的方法来预测人工智能研究的未来研究方向，最终目的是为了更先进的研究建议工具。

    Sep, 2022

  • 预测人工智能论文中的语义关系的方法

    本文提出了一种基于 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

    Jan, 2022

  • 通过数据融合获得可认证的人工智能

    该论文回顾和提出了在采用、推广和维护人工智能（AI）系统方面存在的问题，并使用设计和操作测试和评估过程，探讨了确定性能界限以管理预期用途的机会。该论文提供了一个假想案例，使用图像数据融合支持 AI 对象识别可证明性考虑精度与距离。

    Nov, 2021

  • 复杂网络的人工智能：潜力、方法论和应用

    复杂网络科学中的人工智能潜在优势、关键研究问题和方法学及应用的综述。

    Feb, 2024

  • 能源行业中人工智能的强大应用：智能预测

    本文提出了一种方法学习如何在能源领域中开发，部署和评估 AI 系统，以提高其可靠性、可控性和解释性，使用电力系统事件预测（PEF）作为示例应用，通过对同步相量测量单元（PMUs）测量的相量数据进行物理理解和采用基于机器学习的算法来预测所需需求，将物理维度与机器学习模型融合，实现降维和提高预测精度的目标。

    Nov, 2021

  • 基于人工智能方法的专利综合调查

    最近人工智能（AI）和机器学习在各个领域展示了具有变革性的能力。本研究概述了 2017 年至 2023 年间超过 40 篇论文中关于专利分析的最新人工智能工具，包括适用于专利图像和文本数据的方法。此外，我们提出了一种基于专利生命周期任务和人工智能方法特性的新分类法。该调查旨在为人工智能专利分析领域的研究人员、实践者和专利办公室提供资源。

    Apr, 2024

  • 关于人工智能和机器学习的演化：朝着在顶尖人工智能会议上测量和理解影响力与领导力的方向发展

    通过分析人工智能会议上发表的论文，我们深入了解了人工智能和机器学习的演变过程，以及研究人员的影响和领导力，得出了一些对于理解和衡量人工智能演化的新见解。

    May, 2022

  • 智能网络管理：利用人工智能进行网络服务检测

    利用机器学习方法，该研究介绍了一种高级网络流量分类系统，能够实时分析网络流量并识别各种网络服务类型。通过对网络流量中的模式进行分析，我们的方法将相似的网络流量归类为不同的网络服务，并将流量分解为多个小的流，每个流专门用于承载特定的服务。我们的机器学习模型基于包含不同网络服务类型的标记示例的数据集进行训练，并在评估中展现了出色的准确性。这些结果强调了将人工智能集成到无线技术中的巨大潜力，通过这种方法可以实现更高效的能源消耗、提供更好的服务质量保证以及优化网络资源的分配，为先进智能网络的发展打下坚实的基础。

    Oct, 2023

  • 移动分析中因果推断的可解释性和鲁棒性机器学习视角

    本文总结了基于因果推论对深度学习进行的可解释性和稳健性研究的最新进展，强调了交通运输领域深度学习基础的可解释性和稳健性问题，并提出发展因果学习模型应用于移动性分析的机遇。

    Oct, 2022

  • 人工智能：引发过去、现在和未来应用的框架，以及行业部门采用的影响因素

    本研究分析了人工智能（AI）的发展历程，重点分析了过去十年、当前以及未来几十年的趋势和预测。为了说明人工智能的应用和影响，本文还将举例介绍该技术在几个关键行业中的应用情景。最后，本研究还分析了推动人工智能成为一项重要的转型技术的驱动因素，如成本、速度、准确性、多样性 / 包容性和跨学科研究 / 协作等。

    Mar, 2022