AMiner大数据带你走进粒度计算领域的未来

AMiner全新功能技术趋势分析Trend analysis(http://trend.aminer.cn)基于AMiner 2亿篇论文数据进行深入挖掘,包括对技术来源、热度、发展趋势进行研究,进而预测未来的技术前景。

技术趋势分析描述了技术的出现、变迁和消亡的全过程,可以帮助研究人员理解领域的研究历史和现状,快速识别研究的前沿热点问题。

我们目前已发布了18期分析内容,具体如下:

粒度计算(Granular computing)是新近兴起的人工智能研究领域的一个方向,覆盖了所有与粒度相关的理论、方法、技术和工具,主要用于不确定、不完整的模糊海量信息的智能处理。

1979年,学者Zadeh在论文《Fuzzy sets and information granularity》中提出了“信息粒”的说法,引起研究者极大关注,T.Y.Lin与1997年正式提出了“粒子计算”的概念,很快成为人工智能研究领域的一个热点方向之一。

目前关于粒度计算的理论与方法,主要有3个:词计算理论(Theory of computing with words)、粗糙集理论(Theory of Rough Set)、商空间理论(Theory of Quotient Space)。

下面我们将用Trend analysis分析粒度计算领域内的研究热点。

(点击文末阅读原文或复制链接https://trend.aminer.cn/topic/trend?query=granular%20computing至浏览器打开即可进入趋势分析)

建议在电脑端打开

下图是当前该领域的热点技术趋势分析,通过Trend analysis分析挖掘可以发现当前该领域的热点研究话题如下:

  • rough set

  • fuzzy sets

  • genetic algorithm

  • fuzzy logic

  • 等等......

根据Trend analysis的分析结果我们可以发现,遗传算法是该领域的热门研究话题之一。

遗传算法是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法。

它是由美国的J.Holland教授1975年首先提出,其主要特点是直接对结构对象进行操作,不存在求导和函数连续性的限定;具有内在的隐并行性和更好的全局寻优能力;采用概率化的寻优方法,能自动获取和指导优化的搜索空间,自适应地调整搜索方向,不需要确定的规则。

遗传算法的这些性质,已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。

加拿大阿尔伯塔大学的Witold Pedrycz教授是粒度计算领域的代表学者之一,他是IEEE会士、加拿大皇家学会会士,并担任历年IFSA/NAFIPS World Congress、IEEE Int. Conference on Fuzzy Systems、IEEE Congress on Computational Intelligence等智能计算领域知名会议主席或委员。

他在IEEE Transactions、Information Sciences等国际顶级期刊发表论文70篇,在Springer、CRC、J-Wiley出版专著8部。

Witold教授长期从事智能计算、信息处理、模糊系统、人工智能、遗传算法等相关领域的研究,对混杂智能系统的智能学习、知识挖掘与表达领域的研究做出了重要贡献,研究工作得到了世界范围内同行的广泛关注和认可。

学术头条已建立微信交流群,想进群的同学请加学术君微信:AMiner308,记得备注:名字+单位/学校噢!

(0)

相关推荐