云计算和人工智能技术发展到今天，它已经不再神秘，完全可以进入我们的生活，承载它的历史使命.以下是边肖整理分享的大学生论文中关于人工智能的相关文章。欢迎阅读！
大学生人工智能论文(一)
云计算中的人工智能
1提出背景
在Humanoids 2010大会上，卡内基梅隆大学的詹姆斯库夫纳教授提出了“云机器人”的概念，引起了广泛的讨论。在Humanoids 2010上，许多专家对云机器人持乐观态度。也许云机器人是机器人学的下一个跨越式发展。
要了解更多关于云机器人的知识，首先要了解云计算。根据互动百科的介绍，云计算的概念可以分为狭义云计算和广义云计算：
狭义的云计算是指IT基础设施的交付和使用方式，是指通过网络以按需、可扩展的方式获取所需的资源(硬件、平台、软件)。提供资源的网络称为“云”。在用户看来，“云”里的资源是可以无限扩展的，可以随时获取，按需使用，随时扩展，按使用付费。这一特性通常被称为使用水和电等IT基础设施。
广义的云计算是指服务交付和使用的模式，是指通过网络以按需、可扩展的方式获取所需的服务。这种服务可以与IT和软件、互联网或任何其他服务相关。
云计算的“云”可以理解为“多”和“大规模”。“云”是一些可以自我维护和管理的虚拟计算资源，通常是一些大型的服务器集群，包括计算服务器、存储服务器、宽带资源等等。云计算将所有计算资源集中起来，通过软件实现自动化管理，无需人工干预。比如谷歌云计算有几百万台服务器。
由此可见，云端机器人并不是指某个机器人或某类机器人，而是机器人信息存储和获取方式的学术概念。这种信息获取方式的好处是显而易见的。例如，机器人可以通过摄像头获取周围环境的一些照片，并上传到服务器。服务器可以检索类似的照片，计算机器人避开障碍物的行进路径，并存储这些信息供其他机器人检索。所有机器人可以共享数据库，减少了开发者的开发时间。
2云计算的架构
2002年，亚马逊提供了一套包括存储空间、计算能力甚至人类智能的网络服务。2005年，亚马逊提出了弹性计算云(Elastic Compute Cloud)，也称为亚马逊EC2 Web服务，允许小企业和私人租用亚马逊电脑来运行自己的应用程序。到2008年，几乎所有主流IT厂商都开始谈论云计算，包括硬件厂商(IBM、HP、Intel、Cisco、SUN等。)、软件厂商(微软、甲骨文、VMware等。)、互联网服务提供商(谷歌、亚马逊、Salesforce等。)和电信运营商(中国移动、中国电信、ATT等。).当然，一些小型的IT企业也会将这些企业覆盖整个IT产业链，构成一个完整的云计算生态系统。
按需部署是云计算的核心。要解决按需部署，必须解决基于虚拟化、高性能存储、处理器、高速互联网等技术的资源动态重配置、监控和自动部署。
为了有效地支持云计算，其架构必须支持几个关键特性。系统必须是自治的，即需要嵌入自动化技术，以减少或消除人工部署和管理任务，并允许平台智能响应应用需求；云计算的架构必须敏捷，能够快速响应需求信号或变化。嵌入式虚拟化技术和集群技术可以应对快速变化的增长或服务水平需求。
综上所述，云计算服务的实现依赖于两大基石：硬件基础设施具备相当规模，即数据中心集群、大规模服务器以及用于存储和互联的高速网络；以虚拟化、自动化为代表的成熟技术。
3人工智能和云计算的结合
云计算和人工智能技术发展到今天，它已经不再神秘，完全可以进入我们的生活，承载它的历史使命。笔者将根据自己的理解，分三个阶段介绍如何将人工智能与云计算完美结合。
3.1机器人操纵阶段
第一阶段被作者称为机器人操纵阶段。这个阶段主要通过云技术来实现。我们暂且将其分为云端和终端两部分。云端主要由大型服务器群组成，终端主要由可控机器人组成。这些机器人除了电脑芯片外，还需要监控、机械臂和行走部件。至此，你可能已经知道我们现阶段要完成什么了，就是实现电脑远程协助这么简单的功能。
在云上，我们可以先搭建一个完善的供需平台，有终端的用户可以发布各种力所能及的任务，比如保洁、维修甚至教学。另一方面，有能力完成任务的人可以通过供需平台承接任务，通过远程控制终端帮助任务发布者工作。当然，这里的问题是费用的缴纳和终端用户的安全问题，所以平台用户必须实名注册，并承担法律责任。在强大的服务器农场和高速网络的基础上，我相信实现机器人的远程控制并不难，而且这个阶段的实现还可以大大提高人的时间利用率，平衡全球的生产力。
3.2数据挖掘阶段
第二个阶段被作者称为数据挖掘阶段。我们第一阶段完成的是云平台的建设，而第二阶段要完成的是人工智能的一个基础建设。我们的客户端上有一个数据采集系统，可以随时收集用户完成的所有任务。通过云平台中心的计算分析，可以为用户提供云存储的最佳解决方案。数据挖掘的实施和云平台的分析如图所示：
第二阶段实现人工远程协助和智能分析的同步。
3.3遗传基因专家系统阶段
第三个阶段称为带有遗传基因的专家系统阶段。近10年来，一些专家系统在实际应用中取得了一定的进展，显示出广阔的发展前景，越来越受到计算机科学家的关注。然而，与此同时，现有的专家系统也暴露出自身的严重缺陷，这使得许多计算机领域的知名学者对专家系统产生了怀疑。专家系统的问题可以概括如下：
(1)专家系统中的知识大多局限于经验知识，理论知识很少，系统没有能力应用它们。
(2)知识获取功能很弱。为了构建一个专家系统，需要依靠专家来获取知识，不仅耗时，而且难以获取完整一致的知识；
(3)解决问题的方法比较简单，以推理机为核心无法体现专家从认识问题到解决问题的创造性过程；
(4)解释功能不强，比较次要。
约翰麦克德莫特(John McDermott)认为，专家系统有时完全失败的原因主要有两个：知识不足；解决问题的方法不恰当，即不能利用已有的或不必的知识去解决问题。
针对传统专家系统的不足，设计了遗传系统。其实我们对遗传算法并不陌生，它是人工智能的基础学科。例如，下面的C代码就是一个例子：
typedef char等位基因；//基因类型
typedef结构{
等位基因* chrom
漂浮健身；//染色体的适合度
}个人；//单独定义
class population {//社区类定义
公共：
int大小；//人口规模：n
int lchrom//染色体长度：l
浮点sumfitness，平均值；
//因为GA是一个概率过程，所以每次迭代的情况都不一样；不同的系统参数导致不同的迭代。
//在实验中，参数一般选择为：个体数量n=50-200，变异概率Pm=0.03，交叉概率Pc=0.6。
//突变概率太高，会导致不稳定。
个人*fmin，* fmax
个人* pop
TPopulation(int popsize，int strlength)；
t population()；
inline INDIVIDUAL INDIVIDUAL(int I){ return pop[I]；};
void fill fitness()；//评估函数
虚拟void统计()；//统计功能
};
Tsga: public tpopulation {//TSGA类派生自community类。
公共：
浮动pcross//交叉的概率
浮点运算；//突变的概率
int gen//代计数器
TSGA(int size，int strlength，float pm=0.03，float pc=0.6):
t人口(大小、长度)
{ gen=0；pcross=pcpmutation=pm};
虚拟个人选择()；
虚拟空交叉(个体父母1，个体父母2，
单独子女1，单独子女2)；
虚拟等位基因突变(等位基因等位变异)；
虚拟void Generate()；//生成新的一代
};
//用户GA类定义如下：
TSGAfit类：公共TSGA{
公共：
TSGAfit(int size，float pm=0.0333，float pc=0.6)
:TSGA(size，24，pm，PC){ }；
void打印()；
};
随着遗传算法和长数据挖掘阶段在我们的第二阶段完成，我们可以解决传统专家系统的缺点。对于知识的匮乏，经过长时间的积累，我们云平台存储的全球知识不是任何一个图书馆可以比拟的，都是通过人的经验实践出来的知识，可用性很高。而数据挖掘也将帮助我们找到解决问题的最佳方法。而每一次用最完美的方法解决问题，都可以被下一代算法继承，这样才能真正实现人工智能。
4结束语
人工智能的目的是把人类从繁重的劳动中解放出来。我们看到机器在不断进步，越来越多的智能机器出现在我们身边。但是，距离真正意义上的人工智能还有很长的路要走。在未来，机器不仅是人类认识和改变世界的工具，还可以和人类交朋友，交流，交谈，甚至互相学习。在我看来，要想实现人工智能时代，不能只靠少数几个有才华的科学家和实验室，必须要广泛参与，甚至是全世界所有的国家、政府、人民。因为人工智能不仅仅代表一门学科，一门技术，它是人类工具和人类生活方式的创新。就像青铜器取代石器一样，智能机器人也一定会取代计算机和网络。让我们梦想这一天的到来吧！
下一页，分享更好的大学生论文人工智能。
