面向下一代人工智能的三代模糊系统的发展与展望OA
可解释、可通用的下一代人工智能方法的重大研究计划旨在回应国家在人工智能发展中的战略需求,聚焦人工智能的基础科学问题,推动新型方法体系的构建。与内部机制难以解释的神经网络算法相比,模糊系统因其较强的可解释性与良好的鲁棒性,在不确定性问题建模与决策中发挥重要作用。模糊系统的发展历程可分为3个阶段:基于专家经验的传统模糊系统、面向低维小数据的自适应模糊系统、面向高维大数据的深度优化模糊系统。当前的研究重点在于第三代模糊系统,即深度优化模糊系统。该系统通过分层结构设计、规则自适应生成机制以及与进化算法、梯度下降等优化技术的深度融合,能够从海量高维数据中自动提取有效特征与潜在规则,并在逐层抽象过程中实现特征的降维与重构。由此,深度优化模糊系统不仅有效缓解了传统模糊系统在高维环境下面临的“规则爆炸”问题,显著提升了计算效率与泛化能力,实现了可解释性与高精度的有机平衡,也有望为人工智能的未来发展开辟新的方向。
陈德旺;吴奕然;欧纪祥;沈震;李灵犀;熊刚
福建理工大学交通运输学院,福建福州350118 皖西学院电子信息与工程学院,安徽六安237012福建理工大学交通运输学院,福建福州350118阳光学院信息工程学院,福建福州350015中国科学院自动化研究所多模态人工智能系统全国重点实验室,北京100190美国印第安纳大学−普渡大学印第安纳波利斯联合分校电子与计算机工程系,印第安纳州IN 46204福建理工大学交通运输学院,福建福州350118 中国科学院自动化研究所多模态人工智能系统全国重点实验室,北京100190
信息技术与安全科学
下一代人工智能模糊系统深度学习优化大数据神经网络基于规则的系统可解释性
《智能系统学报》 2026 (3)
P.566-576,11
国家自然科学基金项目(62461160259)福建省闽江学者讲座教授人才计划项目(GY-Z24014)福建第三批创新之星人才计划(003002)福建省财政厅教育科研专项(GY-Z21001)福建理工大学科研基金项目(GY-Z22071)。
评论