电气工程自动化控制技术中人工智能的应用分析

技术应用

228 2016年20期电气工程自动化控制技术中人工智能的应用分析张子良1张福超1马洪涛1李玺梅2

1.廊坊市依恩拓节能设备有限公司，河北廊坊 065000

2.冀雅（廊坊）电子有限公司，河北廊坊 065000

摘要：经济和社会的不断发展，人们对生产力也提出了更高的要求，这样就使得智能化生产得到了很大发展，这样能够更好的提高生产能力，同时在生产过程中也能更好的在技术方面得到发展。人工智能技术在发展过程中，是一项新兴的技术，同时在发展过程中也对传统技术中存在的一些问题进行了解决，这样也推动着电气自动化控制得到了更好的应用。为更好的促进人工智能技术得到发展，对其理论和特点进行分析是非常必要的，同时，在发展过程中，也要对其在电气自动化控制中的应用进行更好的分析。

关键词：人工智能技术；电气自动化控制；应用

中图分类号：TP18；TM76 文献标识码：A 文章编号：1671-5799（2016）20-0228-01

1 人工智能技术的含义

人工智能是在经济发展迅速的时代大背景下产生的新技术。它研究了自然科学和社会科学，所涉及的知识面非常广。人工智能技术自然离不开计算机技术的大力支持，大部分的人工智能技术都是以计算机编程为基础实现的。人工智能其实也就是采取一定的计算机编程来做到模仿人的目的，其主要的模仿对象有信息的收集、人的判断能力、数字图像的识别和一些相对来说较为简单的反应等，以这种人工智能技术来代替人类的智慧，就目前来说，主要的人工智能领域包括图像语言识别、自然语言处理、机器人，以及一些较为简单的专家系统等。在这些众多的领域当中，我们可以用在电气自动化控制当中的主要就是专家系统，专家系统应用在电气自动化控制系统当中不仅仅进一步提高了其自动化水平还在其判断的准确性和及时性上有了一定的改善，总之，对于电气自动化控制系统的效率提升起到了至关重要的作用，这也在另一方面节约了人力资源，并且在一定程度上弥补了因为人员的失误造成的一些不良影响，值得我们在今后的工作中大力推广。

2 人工智能技术的基本内容、特点

人工智能是一门新型的技术科学，缩写为AI，它是计算机科学的一个重要分支，它的研究领域十分广泛，包括机器人、语言识别、图像识别。它的任务主要是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术和应用系统。它的一个重要目标就是能够胜任一些复杂的工作。如今，人工智能研究迅速发展，具有很强的实用性和广泛性，主要包括运动控制、工业过程控制、电力电子技术、检测与自动化仪表、电子与计算机技术、信息处理、管理与决策等领域，且更新速度快。人工智能属于自然科学和社会科学的交叉学科，涉及到哲学、数学、心理学、计算机科学等领域。它的研究范畴包括机器人学、智能搜索等，是对人的思维信息过程的模拟。

3 人工智能控制器的优势

人工智能技术在电气自动化控制系统中的应用主要的实现点就在于对于人工智能控制器的应用上，所以说人工智能在电气自动化控制系统应用上的优势也主要体现在人工智能控制器的优势上，人工智能控制器的主要优势就在于它在算法上和其他的控制器存在着很大的差异，人工智能控制器的主要算法包括模糊理论算法、神经算法、遗传算法和模糊神经算法等，这些算法的一个最大优势就是可以设计在没有控制对象的模型上。它的特点在于能够运用不同的方法对电气自动化设备控制进行分类，更好地进行开发，所形成的函数比常规的函数具有以下三种优势：一是它的设计不需要对对象进行模型控制，即使实际控制的对象中具有很多不确定、不稳定因素，甚至难以适应的动态变化的控制对象，都能满足控制需求。二是能够不断进行调整、改善，具有很强的灵活性，相比之前的控制器更易调节，能够适应新数据、新信息的发展变化，能够不受其他驱动器影响，保证计算的准确率。三是能够避免不必要的人力物力支出，设计中不需要专家参与，只要进行数据分析就可，使用方便，适应性好，效率很高，且运算成本低。四是具有很强的抗干扰能力，能够解决常规方法无法解决的问题。

4 人工智能技术在电气工程自动化中的具体应用

（1）在电气自动化控制中应用人工智能技术可以实现

数据的智能采集和处理。通过人工智能技术可以适时地对电气设备、系统运行中的全部开关量和模拟量进行智能的数据采集，并自动的筛选各种数据，把该保存的数据进行实时的存储，对于该丢弃的数据及时的从计算机系统中删除。

（2）在电气自动化控制中应用人工智能技术可以对电气自动化控制设备的图像进行分层次管理。在比较大型的电气企业或者运行比较复杂的电气系统当中，包括很多类型的设备，因此需要对不同类型的电气自动化控制设备图像进行分层次的管理。人工智能技术实现了这一功能。利用计算机，实现电气自动化控制设备图像的分层次管理，方便操作员工及时的对要查看的对象进行选择，提高了电气自动化控制设备的管理效率和管理水平。

（3）在电气自动化控制中应用人工智能技术可以完整

的输出自动化控制过程的图片。利用人工智能技术，可以通过电气自动化控制设备的精细化管理系统对电气自动化控

制的某一阶段或者全部运行过程的图片进行及时、准确、完整的输出，方便管理、监督人员对电气自动化控制系统的运行状况进行及时的查看。

（4）在电气自动化控制中应用人工智能技术可以完整的保存电气自动化控制过程中的各项资料。在电气自动化系统运行的过程中，利用人工智能技术，可以通过精细化管理系统中的地图，导出各个时间段的各类信息，完整的保存电气自动化控制过程的各项资料。从而减少了人力记录的麻烦，提高了记录的精确度，节省了大量的人力、物力，方便企业更加有效的管理、控制生产成本。

综上所述，人工智能技术是科技发展到一定程度的产物，是社会高速发展的产物。将人工智能技术应用到电气工程自动化中，能够推动电力产业的结构调整，能够提高为电气工程自动化技术的发展注入新的活力，能够让电气工程技术产业焕发出更加蓬勃的生机。因此，在未来电气工程自动化的发展中，要继续加大对的人工智能技术的研究和应用，让人类的生产和生活活动更加智能化。

参考文献

[1]周超.人工智能技术在电气自动化控制中的运用[J].硅谷，2012（8）.

[2]朱子龙.人工智能技术在电气自动化控制中的运用探讨[J].科技创新与应用，2012（17）.

人工智能行业研究分析报告

概要 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机，到计算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。

与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的 Alexa 和 Google 的图像识不，然而 AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识不技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开发新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和 输家。

人工智能技术在交通控制领域的应用

人工智能技术在交通控制领域的应用 交通信号控制(TrafficSignalControl，TSC)是依据路网交通流数据，对交通信号进行初始化配时和控制，同时根据实时交通流状况，实时调整配时方案，实现交通控制的优化。交通控制从被控区域的最小延误时间出发，获得最佳的配时方案，是系统化最优的思想。为获得整个路口交通效益的最大，可采用两种方法：一是采用数学模型对交叉口各个方向的车辆到达作准确的预测，根据运筹学和最优化理论确定各个方向的绿灯时间；二是采用智能控制的 交通信号控制(Traffic Signal Control，TSC)是依据路网交通流数据，对交通信号进行初始化配时和控制，同时根据实时交通流状况，实时调整配时方案，实现交通控制的优化。交通控制从被控区域的最小延误时间出发，获得最佳的配时方案，是系统化最优的思想。 为获得整个路口交通效益的最大，可采用两种方法：一是采用数学模型对交叉口各个方向的车辆到达作准确的预测，根据运筹学和最优化理论确定各个方向的绿灯时间；二是采用智能控制的方法对交叉口进行控制。由于城市交通系统具有随机性、模糊性、不确定性等特点，很难对其建立数学模型。计算机的出现和广泛应用促成了人工智能研究热潮的掀起，针对传统交通控制系统的固有缺陷和局限性，许多学者把人工智能的实用技术相继推出并应用到交通控制领域。 1 交通控制领域中人工智能研究方法 1.1 基础研究方法 交通控制领域中人工智能基础研究方法有模糊控制、遗传算法、神经网络，另外还有蚁群算法、粒子群优化算法等。 模糊系统模糊逻辑是一种处理不确定性、非线性等问题的有力工具，特别适用于表示模糊及定性知识，与人类思维的某些特征相一致，故嵌入到推理技术中具有良好效果。模糊控制能有效处理模糊信息，但是产生的规则比较粗糙，没有自学习能力。 遗传算法遗传学通过运用仿生原理实现了在解空间的快速搜索，广泛用于解决大规模组合优化问题。在解决实时交通控制系统中的模型及计算问题时，可以通过遗传算法进行全局搜索和确定公共周期，也可以利用遗传算法来解决面控系统中各交叉路口信号控制方案的最优协作问题，有效避免可能由此引起的交通方案组合爆炸后果。 神经网络人工神经网络擅长于解决非线性数学模型问题，并具有自适应、自组织和学习功能，广泛应用于模式识别、数据分析与处理等方面，其显著特点是具有学习功能。

人工智能完成总结报告

完成总结报告 项目名称：数独游戏设计与实现组员：王郑合 2014204081 栾杰 2014204080 文宽 2014204104 二〇二〇年三月二十四日

1 问题描述 1.1 问题说明 数独游戏起源于瑞士，由十八世纪的瑞士数学家欧拉发明，是一种数字拼图游戏，其游戏规则是： ①在9×9的大九宫格内，已给定若干数字，其他宫位留白，玩家需自己按照逻辑推敲出剩下的空格里是什么数字。 ②必须满足的条件：每一行与每一列都有1到9的数字，每个小九宫格里也有1到9的数字，并且一个数字在每行、每列及每个小九宫格里只能出现一次，既不能重复也不能少。 ③每个数独游戏都可根据给定的数字为线索，推算解答出来。 1.2 数独求解描述 由于数独游戏的推广与普及，在当今世界上有着大量的数独爱好者，本项目的目的就是按照数独的游戏规则，通过对数据结构的分析和人工智能算法的研究，利用计算机程序来实现对已知数独游戏的快速求解。 1.3 数独出题描述 数独游戏挑战者的水平各异，对数独题目的难度要求各不相同，所以本项目致力于设计一种算法，使其在尽可能短的时间内生成不同难度等级的数独题，以满足不同水平游戏者的需求。同时，该算法还要考虑到三个方面要求：可变化的难度、解的唯一性和算法复杂度最小化。

2 功能分析 2.1 数独求解 数独虽然号称是数学问题, 但在求解时几乎用不上数学运算方法，事实上它更像是一种思维方式。数独游戏开始后，要想在空格中填入正确的数字，先要根据数独游戏规则对1-9分别进行逻辑判断，然后选择正确的数字填入空格。另外，由于某个格子填入数据时，有可能还要对原来已填入的数据进行修正，所以可以考虑使用递推和回溯搜索来求解数独问题。 2.2 数独出题 出题时，要能保证算法生成的数独题具有可变化的难度和唯一解,该算法内部应该包含有对数独题的求解和评级功能。本项目使用了一种基于“挖洞”思想的数独题生成算法，将该算法的设计工作分为评级、求解和生成三部分工作。利用随机数出现的概率不同来确定不同的难度，通过避免重填一个被“挖去”的格子，或者回溯到一个曾经无法“挖去”的格子，来降低算法的复杂性。 2.3 题目保存 当用户需要退出却仍没有完成数独题目的解答时，可以选择是否保存当前的求解进度。如果需要，本系统会帮助用户将目前未完成的数独题目的解答进度保存起来，以便用户下次使用本系统时，可以继续解答上次未完成的题目。 2.4 题目读取 用户可以在程序开始运行后，选则读取一道之前保存起来的题目进行解答，被读取的题目将会显示到程序界面上。

电气自动化控制中人工智能分析

电气自动化控制中人工智能分析 1.人工智能应用理论分析 人工智能属于自然科学和社会科学交叉的一门边缘学科，涉及众多学科，比如哲学与认知科学、计算机科学等，其研究范畴是智能搜索、感知问题、逻辑程序设计、遗传算然、自然语言处理等。从本质上来讲，人工智能就是模拟人的思维的信息过程。两条道路可以用于对人的思维模拟，一条是结构模拟，对人脑的结构机制进行模仿，将类人脑的机器制造出来；另一条是功能模拟，暂时将人脑的内部结构撇开，在模拟是从人脑的功能过程出发。对人脑思维功能的模拟的典型事例就是现代电子计算机，它模拟了人脑思维的信息过程。人工智能并不意味着人的智能，更不意味着对人的智能的超越。从本质上来将，机器思维不同于人类思维的地方表现在四个方面，一，前者是无意识的机械的物理的单纯过程，而后者主要是心理和生理的过程；二，前者没有社会性；三，前者没有人类的意识所特有的能动的创造能力；四，电脑的功能总是在人脑的思维之后。 2.人工智能控制器的优势 人工智能控制器诸如模糊神经，遗传算法等都可以看做一类非线性函数近似器，经过这样的分类，我们就能够较好地对其进行总体理解，也有利于统一开发控制策略。和常规的函数估计其相比，这些人工智能控制器具有下列优势：没有控制对象的模型也可以设计人工智能

器。在很多场合，实际控制对象的精确动态方程是很难得到的，在设计控制器时实际控制对象的模型通常也存在着诸多不确定性因素，比如，和最优 PID 控制器相比，模糊逻辑控制器的上升时间是其1.5倍，下降时间是其 3.5 倍，过冲更加小；相对于古典控制器，人工智能控制器的调节更容易；在缺乏必要的专家知识时，通过相应数据也能够将人工智能控制器设计出来；对语言和相应信息进行运用也可能将人工智能控制器设计出来；人工智能的一致性良好，即使使用一些新的位置输入数据也能得到良好的估计，和驱动器的特性是没有关系的。目前，如果没有使用人工智能的控制算法，也许对特定对象具有良好的控制效果，但是对其他控制对象就不一定具有一致性的良好的控制效果，因此应该依据徒具对象进行具体设计；对新信息或新数据，人工智能控制器的适应性良好；人工智能控制器能够将常规方法解决不了的问题解决掉；人工智能控制器的抗噪声干扰能力良好；实现人工智能控制器控制价格低廉，尤其是只是对最下配置进行使用的情况下；人们和容易扩展和修改人工智能控制器。 3.人工智能技术在电气自动化控制系统中的应用 3.1 人工智能在直流传动中的应用 3.1.1 模糊逻辑控制应用 Mamdani 和 Sugeno 型是主要的两类模糊控制器。现阶段，在调速控制系统中只用到了 Mamdani 模糊控制器。需要注意的是这两种控制器都有一个 if-then 模糊规则库，但是如果 x 是 A，并且 y 是B，那么 Z=f（x，y）是 Sugeno 型控制器的典型规则，这里 A、B 是

人工智能的研究方向和应用领域

人工智能的研究方向和应用领域 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。

人工智能在工业自动化中的应用

龙源期刊网 https://www.sodocs.net/doc/4614457478.html, 人工智能在工业自动化中的应用 作者：苑振宇孟凡利李晋高宏亮张华 来源：《科技创新与应用》2020年第25期 摘 ;要：人工智能是一个研发训练计算机来执行以前只有人类才有能力的智能行为方法的研究领域。自动化的目的是代替人或辅助人去完成人类生产、生活和管理活动中的特定任务，提高工作效率、效益和效果。二者都是通过机器延伸增加人类认识世界和改造世界的能力。文章从人工智能的定义及发展、自动化的定义及发展、智能制造对人工智能的要求、工业人工智能的涵义、面临的挑战及应对策略等方面进行了阐述，分析了人工智能与工业自动化的关系。 关键词：人工智能;自动化;工业人工智能 中图分类号：G434 文献标志码：A ; ; ; ; 文章编号：2095-2945（2020）25-0176-03 Abstract： Artificial intelligence is a research field that develops and trains computers to execute intelligent behavior methods that was only possessed by humans. The purpose of automation is to replace or assist people to complete specific tasks in human production， life， and management activities， and enhance the work efficiency， benefits， and effects. Both are through the extension of the machine to increase the human ability to recognize and transform the world. This paper explains the definition and development of artificial intelligence， the definition and development of automation， the requirements of intelligent manufacturing for artificial intelligence， the meaning of industrial artificial intelligence， the challenges facing and the response strategies， etc. The relationship between artificial intelligence and industrial automation is analyzed. Keywords： artificial intelligence; automation; industrial artificial intelligence 1 人工智能与自动化 1.1 人工智能的定义及发展简史 1.1.1 人工智能的定义 美国国家科技委员会于2016年制定的《为人工智能的未来做好准备》指出，目前并没有一个普遍接受的人工智能定义。一些人把人工智能定义为是计算机化的系统，能够表现出通常被认为是需要智能的行为;其他人将人工智能定义为一个系统，该系统能够无论遇到什么样的复杂问题，都可以合理的解决，或者采取适当的行动实现它的目标。虽然对AI的界定并不明确且随时间推移不断变化，但AI的研究和應用始终秉持一个核心目标，即使人的智能行为实现自动化或复制。美国总统行政办公室于2016年发布的《人工智能、自动化及经济报告》中指出，AI不是单一技术，而是应用于特定任务的技术集合。2017年，《Science》定义的强人

2019人工智能产业投资分析报告

2019人工智能产业投资分析报告 前言： 人工智能(AI)将接棒移动互联网，成为下一轮科技创新红利的主要驱动力。透过丰富的数据采集(互联网和IoT)、更快的数据传输(5G)、更强大的数据运算处理(AI)，科技企业和传统企业将在更广泛的领域深度融合。 AI将广泛助力传统行业转型，渗透互联网竞争下半场，催生无人驾驶、城市大脑、工业互联网、农业大脑、智慧医疗、Fintech、机器人等广义AI 应用，酝酿万亿级市场和投资机会。

▌AI主导下一轮科技创新红利AI孕育万亿级别市场 人工智能(AI)指利用技术学习人、模拟人，乃至超越人类智能的综合学科。人工智能技术可以显著提升人类效率，在图像识别、语音识别等领域快速完成识别和复杂运算。 此外，面对开放性问题，人工智能技术亦可通过穷举计算找到人类预料之外的规律和关联。自1956年“人工智能”概念首次被提出，AI技术“三起两落”。 本轮人工智能腾飞受益于持续提升的AI算力对神经网络算法的优化。 AI产业链分为:基础层、技术层、应用层。 基础层主要包括:AI芯片、IoT传感器等，技术层主要包括:图像识别、语音识别、自然语言处理NLP、知识图谱等，应用层的场景包括:无人驾驶、智慧安防、智慧城市(城市大脑)、金融科技(Fintech)、智慧医疗、智慧物流等领域。 AI市场规模快速成长。 中国是全球第二大AI力量，人工智能企业超过1000家。

2018年中国AI市场规模约330亿元人民币，全球AI市场规模约2700亿美元。我们预计，中国人工智能市场规模有望成长至万亿量级，成为下一轮科技创新红利的主导力量。 Statista预计2019、2020年，全球人工智能市场规模将分别增长59%、61%，成长至6800亿美元量级。 我们判断，中国人工智能市场有望在2030年达到万亿量级，传统行业和技术的结合是主要的应用领域，2G(对政府）和2B（对企业）将成为主要的营收来源。

人工智能在电气工程自动化的应用

人工智能在电气工程自动化的应用 是在科学技术方面还是在国民经济方面我国都取得了高速发展，在电力领域，特别是在电气工程自动化技术方面的发展更是可以用翻天覆地来形容。作为新兴技术人工智能技术的整体发展被大多数企业所看好，同时还给予了大量的资金支持使其用于产品开发。在电气工程自动化当中AI技术为其带来的益处较多，比如：能够将工作效率有效提升上来，从根本上降低对物力以及人力各方面的消耗；再者因为其应用情况，有效防止了许多人工可能出现的误差，所以，有效确保了电力领域当中各个产业的发展。 1概述 1.1人工智能技术。时代的不断进步加速了人工智能技术的产生，同时也是进入信息化的标志之一，主要是研究智能发展模式和人们的工作状态，其主要就是为了通过智能机器人系统对部分人工操作进行替代，进而从根本上保证工程运行的智能化。人工智能所包含的领域十分广泛，主要有语言学、计算机科学等。所以，从另一方面来讲，人工智能能够将其划分为思维科学技术的一种，其理论研究和具体实践工作主要是围绕思维科学来进行的。从思维方面来讲，其同时涵盖的有逻辑思维、形象思维以及灵感思维等。和其他学科相比，人工智能技术的发展离不开数学的大力支持。将人工智能和数学融合在一起，可以从根本上促进人工智能技术的不断进步。 1.2电气工程与自动化中人工智能技术的应用特点和优势。人工智能技

术在电气工程与自动化当中具体应用主要体现在数字化系统管理方面，在电气工程与自动化当中应用人工智能技术能够从根本上减小工人劳动强度，降低生产成本，从根本上确保生产效率的不断提高，有效推动电气工程与自动化水平的健康可持续发展，对部分人工操作进行替代，减少了人工成本的支出，从根本上确保企业运行的持久性和稳定性。利用人工智能技术还能够对电气工程与自动化的具体生产制造情况进行实时监控，如果有紧急情况发生的话，能够在第一时间内找出解决的办法，有效防止安全事故的发生。 2电气工程自动化中的应用 2.1人工智能技术在故障诊断中的运用。在具体运行的时候，由于在操作电气设备的时候存在着操作不当的现象，再加上经过长时间的运行，零部件存在着老化的情况，难免会导致设备故障的产生。设备产生故障之后必须要及时找出发生故障的位置及其原因，进而采取对应的措施进行解决。发生故障之后对其进行准确的分析是非常重要的，现阶段诊断故障的方法主要有以下三种：在规则的基础上对故障进行推理、基于故障树模型的故障诊断、基于案例对故障进行推理。以上三种对故障进行推理分析的方法可以只使用一种，也可以多种组合在一起进行使用。人们通过人工智能技术，进行了人工智能算法的开发，与传感技术和数据采集技术相结合，进行了故障诊断系统的设计，可以及时准确的将故障所在位置及其原因找出来，从根本上减少了时间和维修成本的浪费。故障诊断系统在结构上主要包括机械故障案例库、故障诊断规则库、故障诊断数据库、故障推理机、知识处理、故障诊断过程解释机、学习系统

智能控制在人工智能的应用

智能控制在无人车中的应用 作者沙秉辉 学号1032011628007 最近人工智能（Artificial Intelligence简称：AI）成为全球热门，很大程度上是因为前段时间由谷歌创造的AlphaGo（埃尔法狗）击败了韩国围棋高手李世石，人工智能似乎迅速成为人们讨论的焦点，本文想要讨论的是AI在另一个领域的应用—无人车。本文主要讨论谷歌无人车（google car）。（进行无人车的研究的公司很多，世界上很多优秀的车企，如日本的“两田”，德国奔驰宝马，美国通用等等，他们都在积极测试无人车，但是他们的信息大部分是不公开的，反而是一家以搜索出身的谷歌，有很多的测试数据呈现在我们的面前但是公开测试信息中只有谷歌，故而选此。） 事实上，在从14年起到接近15年年底，一共14个月的时间里，谷歌在内德华和加州进行了共有49辆无人车的道路测试，其中包括谷歌的“koala”汽车以及改装的雷克萨斯，，在这些无人驾驶汽车累计完成了42.4万英里的同时，一共发生了341次事故。更加具体的讲，谷歌无人车在14年第四季度，每行驶785英里就会出次故障，而这个数据在一年之后变成了行驶5318英里。谷歌无人车的进步速度显著但前进路途依然遥远。（1）无人车虽是一个车，但是他却算不上汽车领域，在我看来，他似乎跟机器人有很多共通的地方，人类精心的把环境，机器人的各种参数，通过建立严密的逻辑和规则，把要完成的任务全部建立在数学模型中，求解，机器人便执行问题求解的结果。更加通俗的讲，传感器检测数据，通过一系列的分析，控制系统发出控制指令，完成我们所期望的结果。无人车也是如此。谷歌当前的无人车，均是一个独立的系统，他们的每一辆扯都是没有“联网”的，他们没有使用他们的强项-搜索功能。在我看来，这应该是一个遗憾，我认为他们应该可以把每一辆车都进行联网，建立一个大的数据库，逐渐形成一个类似专家控制的系统。比方说，用户A在驾驶中减速，限制他减速的原因有很多，比方说道路结冰，前方马上就要碰到红灯或者前方行人密集等等等等一系列的问题，系统这时候可以收集数据，存储在系统上形成大数据，当用户B在遇到类似的情况的时候，可以在控制之前，系统便给专家意见。当然这一个非常庞大的系统，数据的存储量是非常巨大的，这样的一个系统，并非凭空想象，很多国外的学者已经进行了很多的研究，比如尼基尔-普拉卡士在《Development of an intelligent system which assists in decision making based upon previous decisions》：人工智能是指机器的和软件的智能。一个趋势似乎已经出现：新的智能系统来代替人做出很多重要的决定，这样的一个智能系统通过分析非常多的数据和已经存在的信息尽最大可能的来给出最有逻辑的意见，在人们需要做出决定的时候，这样的一个意见人们可供选择并且非常可靠。 深度学习，模糊控制，传感器，神经网络的快速发展，直接或者间接的带动了无人车的发展，近几年发展迅速，但是从实验室到真正服务人类还有很长一段路需要走，路况瞬息万变，每天都会有无穷无尽的新情况发生，可谓是极其复杂，想要建立一个可以包含所有可能的一个数学模型似乎不太实际，虽然大数据网络化这几年发展迅速，但是要建立一个庞大的数据库，庞大的专家系统，依然需要强大的计算机支持，遗憾的是，目前并不能满足。加之目前控制理论表面是四处开花，成果累累，然而实际是目前控制理论已经发展的瓶颈时期，鲜有有实质性的突破。 虽然前进的道路绝非坦途，人类智慧无限，认知无限，定能攻克难关，李开复前段时间在清华大学演讲中提到，目前还有缺少一个统一的平台，如同ios丶安卓系统那样，建立一个平台产生平台化效应，使得更多的人可以很容易的介入，突破瓶颈也可指日可待。 因此，我大胆设想以后的人工智能的未来蓝图。无人车的成熟，某种程度上就代表着人

人工智能课程报告-138071解读

研究生课程考试成绩单 任课教师签名： 日期：

浅谈基于人工神经网络的日负荷预测 学号：138071 姓名：万玉建 摘要 本文是作者在学习《人工智能》课程以后，结合作者本人工作的需要，根据《人工智能》课程中人工神经网络知识和在网上搜索到的相关资料，提出关于电力系统日负荷预测，运用基于人工神经网络的算法的组网结构和实现步骤的一些简单的构思和设想。 1引言 本人一直从事电力系统监控软件研发和管理工作，电力系统监控软件监控的对象就是电力负荷情况，而电力负荷预测则是系统的高级应用，它是根据历史的负荷数据，预测未来的负荷情况。由于电力负荷资源不可储存性，即发电机发出多少电，实时就要用多少负荷量，因此，就要求事先需要知道未来的用电负荷。正确地预测电力负荷，既是为了保证人们生活充足的电力的需要，也是电力工业自身健康发展的需要。 日负荷预测是指对未来1日的负荷进行预测，一般每15分钟一个负荷点，1日共96个数据。实际工作中，当天上午负荷预测人员根据昨天和更前的历史负荷数据预测明天的负荷数据，然后按一定格式生成文件上传到相关负荷管理部门。之前公司负荷预测软件中提供了线性回归法、曲线拟合法、平均值外推法、最小二乘法等负荷预测算法，但是这些算法都只是根据历史负荷数据进行一些数学的运算，没有考虑天气、节假日等情况，这些因素是负荷变化的重要的因素，而这些算法无法将这些因素量化并参加计算。 本学期学习了《人工智能》课程，其中有关于人工神经网络知识，这让本人想起来早在几年前在设计负荷预测软件时，曾经看到有人使用基于人工神经网络，把天气、节假日等因素加进来的进行预测的算法，当时也想增设这样的算法，但因为对算法不是很理解和其他种种原因一直没有实现。而今，恰好在课本学了人工神经网络，就考虑设计一种基于人工神经网络的负荷预测算法。本文描述这种算法的构思和设想。 2影响负荷预测因素的分析 由于电力系统负荷是一个很复杂的非线性系统，有许多直接或间接的因素都会对电力系统的日负荷产生直接的影响。但是在实际的负荷预测中，又不能考虑太多的影响因素。这一方面是收集这些资料困难，另一方面因素太多会造成建模困难，并且会带来大量的计算。因此，在考虑神经网络输入量的问题上，应抓住其中几个最具特征的影响因素。根据对历史负荷的分析，一般可把负荷分为两类：周期性负荷和变动性负荷。周期性负荷，或者说标准负荷，反映的是负荷自身变化的基本规律，呈较强的周期性，尤其受到时间周期的影响。针对短期负荷，时间周期因素包括：周周期、日周期等。它们对于日负荷的曲线模式有着极为重要的影响。 在气象条件中，起主要作用的是温度因素和天气状况。因此为了在负荷预测中考虑这两方面的影响，本文对每天的气温的输入变量可以进行分段处理，将天气状况中最重要的气温因素进行量化处理并作为神经网络的一个输入量。这样就更加能够体现出实际负荷的变化情况。

探索大数据和人工智能最全试题

探索大数据和人工智能最全试题 1、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A首席数据官 B.首席科学家 C.首席执行官 D.首席架构师 2、整个MapReduce的过程大致分为Map、Shuffle、Combine、()? A. Reduce B.Hash C. Clean D. Loading 3、在Spak的软件栈中,用于交互式查询的是 A. SparkSQL B.Mllib C.GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce是一个线性可扩展模型,请问服务器数量与处( )理时间是什么关系? A数量越多处理时间越长 B.数量越多处理时间越短 C.数量越小处理时间越短 D.没什么关系

5、下列选项中,不是kafka适合的应用场景是? A.日志收集 B.消息系统 C.业务系统 D.流式处理 6、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是 A.结构化数据 B.非结构化数据 C.半结构化数据 D.全结构化数据 7、下列选项中,不是人工智能的算法中的学习方法的是? A.重复学习 B.深度学习 C.迁移学习 D.对抗学习 8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A.机器性能 B.语言歧义性 C.知识依赖 D.语境 9、传统的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学习是学习给定标签的数据集。请问标签为离散的类型,称为分类,标签为连续的类型,称为什么?

A.给定标签 B.离散 C.分类 D.回归 10、中国移动自主研发、发布的首个人工智能平台叫做() A.九天 B. OneNET C.移娃 D.大云 11、HDFS中Namenodef的Metadata的作用是? A.描述数据的存储位置等属性 B.存储数据 C.调度数据 D. 12、电信行业的客户关系管理中,客服中心优化可以实现严重问题及时预警,请问是用的什么技术实现的? A大数据技术 B.互联网技术 C.游戏技术 D.影像技术 13、随着闭源软件在数据分析领域的地盘不断缩小,老牌IT厂商正在改变商业模式,向着什么靠拢? A.闭源

人工智能企业现状分析报告

人工智能企业现状分析报告 目录 第一节人工智能企业现状分析 (2) 一、人工智能企业现状发展阶段 (2) 二、人工智能企业现状发展概况 (2) 三、人工智能企业现状商业模式分析 (3) 第二节人工智能企业发展现状 (4) 一、人工智能企业现状分析 (4) 二、人工智能企业发展分析 (4) 第三节人工智能企业分析报告 (4) 第一节人工智能企业现状分析 一、人工智能企业现状发展阶段 近些年来，我国人工智能领域有取得了飞速发展。英飞拓人工智能企业是一家创新型、信息化、集成化的整体安防制造商，致力于为全球英飞拓人工智能安防提供最高端、最安全、最值得信赖的解决方案。科大讯飞语音识别技术已经处于国际领先地位，其语音识别和理解的准确率均达到了世界第一，自2006年首次参加国际权威的Blizzard Challenge大赛以来，一直保持冠军地位。百度推出了度秘和自动驾驶汽车。腾讯推出了机器人记者Dreamwriter和图像识别产品腾讯优图。阿里巴巴推出了人工智能平台DTPAI和机器人客服平台。清华大学研发成功的人脸识别系统以及智能问答技术都已经获得了应用。中科院自动化所研发成功了“寒武纪”芯片并建成了类脑智能研究平台。华为也推出了MoKA人工智能系统。

人工智能作为一种通用目的技术（GPT），是当前科技创新和推动产业升级转型的焦点。人工智能的发展及其在各个领域的应用，将会显著改变几乎所有行业原来发展的路径，不断催生新的业态和新的商业模式，形成新的发展空间，同时也为我国促进科技创新、提升国家竞争优势甚至赶超发达国家带来了新的机遇。 二、人工智能企业现状发展概况 人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一，也被认为是21世纪三大尖端技术之一。 近年来，我国人工智能产业获得快速发展。我国市场的工业机器人销量猛增我国智能语音交互、指纹识别、人脸识别、虹膜识别等产业规模迅速扩大。同时，我国已经拥有国家重点实验室等设施齐全的研发机构和优秀的人工智能研发队伍，研发产出数量和质量也有了很大提升。很多企业也积极布局，如百度的百度大脑计划、科大讯飞超脑计划、京东智能聊天机器人等。 目前我国自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等智能科技成果已进入广泛的实际应用。也正基于此，我国出台了大量支持人工智能发展的政策。2015年7月1日，国务院印发《关于积极推进"互联网+"行动的指导意见》，将"互联网+人工智能"列为11项重点行动之一；而时至11月，《机器人产业"十三五"发展规划》草案已基本制定完成。另外“中国制造2025”重点领域技术路线图构建了中国机器人产业发展蓝图的同时扩大了人工智能的关注度。

2017年面向大数据的人工智能技术综述报告

面向大数据的人工智能技术综述报告 【摘要】 本文通过分析人工智能技术当前的主流分类及所采用的核心技术，对其现状进行梳理，据此总结出目前所存在的问题及难点，并在上述研究和分析的基础上，探讨在大数据快速发展的背景下，人工智能技术的发展趋势和关键技术领域，就面向大数据的人工智能技术未来发展的相互关系和潜力进行一些初步探讨，提出可以利用大数据完善人工智能技术的建议。 【关键词】面向大数据；人工智能；发展趋势 引言 2016年正好是人工智能诞生60周年，它从科学成果逐渐转化为商业应用成果，并在人们的生活中逐渐起到越来越重要的作用。近年来，人工智能技术日益融入金融、科研等各个领域，随之而来的是大量的新型信息数据和资料的产生。当人工智能遇上大数据，究竟会引爆怎样一种改变世界的力量？是更大的数据让人工智能凸显出独立性，还是更强的算法成就了机器的自我学习？ 对于进入机器学习的时代，应用需求已经超越了原来普通的编程和数据库所能提供的解决范畴，面对空前庞大的数据量，通过人工智能技术将可能提供智能化的处理服务解决方案。面对大量的数据，如何进行整合处理，将大数据用于实时分析并对未来预测，使当下获取到的数据信息能进行有利于现有行为的分析预测，转化为有利的资源，俨然成为新的思潮。 １.研究背景 1.1 大数据和人工智能的概念 什么是大数据？是技术领域发展趋势的一个概括，这一趋势打开了理解世界和制定决策的新办法之门。根据技术研究机构IDC的预计，大量新数据无时不刻不在涌现，它们以每年50%的速度在增长，或者说每两年就要翻一番多。并不仅仅是数据的洪流越来越大，而且全新的支流也会越来越多。比方说，现在全球就有无数的数字传感器依附在工业设备、汽车、电表和板条箱上。它们能够测定方位、运动、振动、温度、湿度、甚至大气中的化学变化，并可以通信。将这些通

人工智能在自动化学科中的应用

人工智能在自动化学科中的应用 社会的进步和人类的长寿要求生产力更加发达,要求人类的经济生活更加智能化,以节省宝贵的人类时间去做其它有益的事情。自动化领域的革新需要人工智能的大力支持,而人工智能在自动化学科方面的优势在这个领域也确实能够得到极大的发挥,促进自动化的发展进步。 自动化是研究与电气工程有关的系统运行、自动控制、电力电子技术、信息处理、试验分析、研制开发以及电子与计算机应用等领域的一门学科。实现机械的自动化,让机械部份脱离人类的直接控制和操作自动实现某些过程是自动化和人工智能研究的交汇点。积极运用人工智能的知识。 人工智能在电力系统运行控制中的应用综述人工智能技术(AI)广泛应用于求解非线性问题中,在电力系统的控制、管理、运行等领域发挥着重要的作用。阐述了专家系统、人工神经网络、模糊集理论和启发式搜索等人工智能技术在电力系统中各自的应用特点,展望了人工智能技术在电力系统中的发展趋势,指出混合智能是人工智能的重要发展方向之一。 电力系统应用人工智能的起因电力系统运行控制的一个基本目标就是在经济合理的条件下向用户提供高质量的电能。为此,有必要对电力系统进行规划、监视和控制。随着电力系统规模的不断增加,能源管理系统(EMS)运行人员所面临的决策任务也日趋加大,这使得运行人员很难保证电力系 简要介绍了现有的高级人工智能技术的发展概况及其实现方法,全面综述了模糊逻辑(F L)、专家系统(ES)、人工神经网络(ANN)和遗传算法(GA)等典型人工智能技术在电能质量控制中的应用情况及国内外的研究现状,并就值得进一步研究的问题及今后的主要研究方向进行了展望. 近年来,电能质量问题受到人们越来越广泛的关注.对电能质量问题的正确诊断和处理 需要高水平的专家知识,并且所需要的专家知识不是仅仅在某一个领域,而是涉及到电气工程中的许多领域,如电子驱动、传感器、旋转电机、变压器、电力电子、电能传输与供应、保护、谐波、信号分 人工智能在智能传感器领域的应用 传感器在自动化信息系统中的重要性不言而喻,它的特性的好坏、输出信息的可靠性对整个系统的质量至关重要。各行各业的自动化程度的迅速提高,特别是工业生产的自动化程度的提高,对传感器的性能提出了更高的要求。传统的传感器技术由于存在着性能不稳定、可靠性差、准确度低等缺点已经不能够满足自动化技术迅猛发展的需要。而人类在人工智能方面取得的进展为人工智能与传感器技术的结合———新型智能传感器的出现提供了契机。

人工智能和机器学习自动化测试介绍

人工智能和机器学习自动化测试介绍 敏捷世界的自动化功能测试标准和需求 人们通常认为需要在功能和产品稳定之后进行自动化功能测试。恕我直言，这是对自动化的浪费，特别是现在人们都看到了基于敏捷的交付实践的价值，并且开始使用了增量软件交付。 使用这种方法，最重要的是在产品构建的阶段尽可能多地自动化测试，我们要遵循自动化测试金字塔的原则。一旦团队知道现在在顶层（UI 层）需要自动化一些什么之后，我们就应该自动化这些测试。 由于产品在不断发展，测试肯定会随着产品的发展而失败。这不是测试的问题，而是测试没有跟随产品的发展而发展。 想要让之前通过的测试再次通过，自动化功能测试工具、框架应该使现有测试的更新和演变尽可能地简单。可能需要在定位器中进行变更，或者需要在流中进行，这并不是很重要。 如果这个过程很简单，团队成员会从自动测试执行和其工具框架中获益匪浅。 自动化测试的目标清晰可见 这是我认为的自动化测试最重要的方面，了解什么自动化了，它是否能展现出相对于一系列UI 操作之外的价值。 确定性和健壮性测试–定位器和维护 如果测试执行环境不变（比如说测试中的产品、与测试相关的测试数据等等），自动化测试的结果应保持一致。这个方面也可以被认为是测试稳定性。 如果因为某些原因，测试失败了（比如产品的缺陷，测试没有更新等），每次重复执行该测试也应该以相同的原因失败。

保证测试确定性和健壮性的一个方法是保证可以定位并可靠地更新定位器，从而让维护变得简单。在某些情况下，工具集可能会使用（人工）智能来找出识别相同元素的下一个最佳方案，防止因定位器改变而找不到元素导致的测试失败。尤其是在唯一的定位器不可用的情况下，或者定位器的变更是基于产品状态的情况下。 也可以用不同的方法来唯一地识别一个元素。工具和框架需要支持多定位器的识别，测试作者应该能够详细说明如何使用它们。 通常导致测试失败的原因如下： 定位器是动态的，每次产品的发布或使用都会造成变化。 定位器依赖于被测试产品的环境。 比如：基于运行测试时的数据集 上面提到的因素会让实现确定性和健壮性的自动化测试变得不太可能。 在相对来说比较新的工具集中，我很高兴看到它们能够以各种各样的定位器策略来识别一个元素。在你多次运行测试的时候，工具能知道测试的预期，也会尽可能用最可靠的方法找到元素。这样，测试的健壮性就得到了提升，既不会影响测试的质量，也不会让测试“不经意的通过”。 测试片段的编写、更新和自定义应简单且可复用 应该非常容易编写自动化功能测试的片段，并按照需求，选择不同的数据值复用它们。这些代码片段可能包含简单逻辑、条件逻辑，也可能包含一些重复的内容。 比如说：登录代码片段，被记录和实现一次，在所有需要使用特定数据登录的测试中使用。

人工智能数据库系统优化的捷径

人工智能数据库系统优化的捷径 摘要：SQL语句的优化是将性能低下的SQL语句转换成目的相同的性能优异的SQL语句。文中主要介绍了利用人工智能自动SQL优化技术来优化数据库系统，并且简要介绍了几种常见的数据库系统优化方法。人工智能自动SQL优化就是使用人工智能技术，自动对SQL语句进行重写，从而找到性能最好的等效SQL语句。 一数据库性能的优化 一个数据库系统的生命周期可以分成：设计、开发和成品三个阶段。在设计阶段进行数据库性能优化的成本最低，收益最大。在成品阶段进行数据库性能优化的成本最高，收益最小。 数据库的优化通常可以通过对网络、硬件、操作系统、数据库参数和应用程序的优化来进行。最常见的优化手段就是对硬件的升级。根据统计，对网络、硬件、操作系统、数据库参数进行优化所获得的性能提升，全部加起来只占数据库系统性能提升的40%左右，其余的60%系统性能提升来自对应用程序的优化。许多优化专家认为，对应用程序的优化可以得到80%的系统性能的提升。 二应用程序的优化 应用程序的优化通常可分为两个方面：源代码和SQL语句。由于

涉及到对程序逻辑的改变，源代码的优化在时间成本和风险上代价很高，而对数据库系统性能的提升收效有限。 三为什么要优化SQL语句 SQL语句是对数据库进行操作的惟一途径，对数据库系统的性能起着决定性的作用。 SQL语句消耗了70%至90%的数据库资源。 SQL语句独立于程序设计逻辑，对SQL语句进行优化不会影响程序逻辑。 SQL语句有不同的写法，在性能上的差异非常大。 SQL语句易学，但难精通。 优化SQL语句的传统方法是通过手工重写来对SQL语句进行优化。DBA或资深程序员通过对SQL语句执行计划的分析，依靠经验，尝试重写SQL语句，然后对结果和性能进行比较，以试图找到性能较佳的SQL语句。这种传统上的作法无法找出SQL语句的所有可能写法，且依赖于人的经验，非常耗费时间。 四SQL优化技术的发展历程 第一代SQL优化工具是执行计划分析工具。这类工具针对输入的SQL语句，从数据库提取执行计划，并解释执行计划中关键字的含义。 第二代SQL优化工具只能提供增加索引的建议，它通过对输入的SQL语句的执行计划的分析，来产生是否要增加索引的建议。 第三代SQL优化工具不仅分析输入SQL语句的执行计划，还对输入的SQL语句本身进行语法分析，经过分析产生写法上的改进建议。

未来人工智能行业分析调研报告

2019年人工智能行业分 析调研报告 2019年11月

目录 1.人工智能行业概况及市场分析 (5) 1.1人工智能市场规模分析 (5) 1.2人工智能行业结构分析 (5) 1.3人工智能行业PEST分析 (6) 1.4人工智能行业特征分析 (7) 1.5人工智能行业国内外对比分析 (8) 2.人工智能行业存在的问题分析 (10) 2.1政策体系不健全 (10) 2.2基础工作薄弱 (10) 2.3地方认识不足，激励作用有限 (10) 2.4产业结构调整进展缓慢 (10) 2.5技术相对落后 (11) 2.6隐私安全问题 (11) 2.7与用户的互动需不断增强 (12) 2.8管理效率低 (13) 2.9盈利点单一 (13) 2.10过于依赖政府，缺乏主观能动性 (14) 2.11法律风险 (14) 2.12供给不足，产业化程度较低 (14) 2.13人才问题 (15) 2.14产品质量问题 (15)

3.人工智能行业政策环境 (16) 3.1行业政策体系趋于完善 (16) 3.2一级市场火热，国内专利不断攀升 (16) 3.3“十三五”期间人工智能建设取得显著业绩 (17) 4.人工智能产业发展前景 (18) 4.1中国人工智能行业市场驱动因素分析 (18) 4.2中国人工智能行业市场规模前景预测 (18) 4.3人工智能进入大面积推广应用阶段 (18) 4.4政策将会持续利好行业发展 (19) 4.5细分化产品将会最具优势 (19) 4.6人工智能产业与互联网等产业融合发展机遇 (20) 4.7人工智能人才培养市场大、国际合作前景广阔 (21) 4.8巨头合纵连横，行业集中趋势将更加显著 (22) 4.9建设上升空间较大，需不断注入活力 (22) 4.10行业发展需突破创新瓶颈 (22) 5.人工智能行业发展趋势 (24) 5.1宏观机制升级 (24) 5.2服务模式多元化 (24) 5.3新的价格战将不可避免 (24) 5.4社会化特征增强 (24) 5.5信息化实施力度加大 (25) 5.6生态化建设进一步开放 (25)