简介:有效求解矩阵Penrose广义逆是一个困难的问题.首先将求解Penrose广义逆转化为求最小极值问题,结合粒子群算法和差分算法的优点,设计了混合智能算法.仿真实验结果表明:混合智能算法求解Penrose广义逆是有效的和可行的.算法易于计算机实现,计算精度高.
简介:摘要:近年来,人工智能的大火不仅冲击着传统的生活方式,同时也很大程度上对于立法尤其是知识产权方面的法律提出了新的挑战。作为人工智能的核心的算法如何进行保护,现有的法律规定主要是以专利的方式提供保护。那么就引出了几大问题,其一,智能算法为何能被纳入专利的范围,其二,是否可以以其他方式方式保护算法,其三,专利保护的局限性在于哪里?本文旨在对智能算法专利的这三个问题进行分析,探索智能算法保护的多元性价值。
简介:摘要:近几年,人工智能领域发展迅速,与人工智能相关的专利申请量逐年攀升,人工智能涉及的应用领域也不断扩大。涉及人工智能的发明专利申请,一般包含算法特征,本文从算法与具体应用领域结合的紧密程度角度出发,以案例形式,分析如何对人工智能领域的专利申请进行客体判断。
简介:摘要:随着智能算法的飞速发展,智能化水平将成为未来战场决定性因素。本文从智能算法在军事指控领域的发展历史入手,分析智能算法的挑战和未来发展。
简介:摘要:数据、算法和计算能力三大要素推动了人工智能技术和产业的快速发展,并在语音识别、图像识别和自然语言处理等领域取得了一些突破。然而,人工智能在为经济社会发展注入活力的同时,不可避免地带来了新技术和社会安全风险,尤其是数据和算法的固有安全挑战。在数据安全方面,数据作为一种新的生产要素,其价值日益凸显。然而,在人工智能应用过程中,存在数据收集的合规性、数据挖掘导致的隐私泄露以及数据使用的失控溢出等各种问题。由于新一代人工智能对训练数据的高度依赖,势必面临各种数据安全风险;在算法安全方面,新一代人工智能的核心技术是通过机器学习模仿人类智能,实现复杂的决策过程。无疑会存在算法黑箱和不可解释的先天问题,以及一系列针对算法的潜在攻击风险,如模型反向攻击、算法后门攻击、毒药攻击和反样本攻击。出现上述问题的主要原因是:一是培训数据本身携带着隐私信息;二是算法存在一些固有的缺陷或漏洞。
简介:摘要:数据、算法和算力三要素助推了人工智能技术和产业的快速发展,在诸如语音识别、图像识别和自然语言处理等领域中都取得了一些突破性的进展。在数据安全方面,数据作为一种新的生产要素,其蕴含的价值日益凸显。然而,在人工智能应用过程中不同程度地面临数据采集的合规性、数据挖掘引发隐私泄露和数据使用的失控泛滥等问题。由于新一代人工智能对训练数据的高度依赖,势必要面对种种的数据安全风险;在算法安全方面,新一代人工智能的核心技术是通过机器学习来模仿人类智能,以实现复杂的决策过程,这无疑会存在先天性的算法黑箱与不可解释性问题,以及模型逆向攻击、算法后门攻击、投毒攻击和对抗样本攻击等针对算法的一系列潜在攻击风险。