工学 >>> 计算机科学技术 >>> 计算机科学技术基础学科 人工智能 计算机系统结构 计算机软件 计算机工程 计算机应用 计算机科学技术其他学科
搜索结果: 1-15 共查到计算机科学技术 8强相关记录263条 . 查询时间(0.703 秒)
当前,以大语言模型为重要基础的生成式人工智能正在迅猛发展,并走进人们的日常生产及生活。然而,生成式人工智能需要庞大的计算算力及硬件资源,用来支撑大模型的训练和推理。因此,围绕生成式人工智能的硬件需求分析及其资源环境影响评估成为国际可持续发展领域重要议题和前沿挑战。其中,生成式人工智能对于电子废弃物的影响及其管理策略举措,仍未得以研究。
陈强,男,1986年4月,工学博士,副教授,硕士研究生导师,郑州市青年联合会副主席,共青团郑州市科技创新工作委员会委员,河南省青年科技工作者协会会员,CCFYOCSEF郑州AC委员。
国务院总理李强2024年7月4日在上海出席2024世界人工智能大会暨人工智能全球治理高级别会议开幕式并致辞。李强表示,2018年首届大会召开时,习近平主席专门发来贺信,指出新一代人工智能为经济社会发展注入了新动能,正在深刻改变人们的生产生活方式。这些年来,人工智能的新技术不断突破、新业态持续涌现、新应用加快拓展,已成为新一轮科技革命和产业变革的重要驱动力量,同时在法律、安全、就业、道德伦理等方面也...
随着人口老龄化的加剧,认知老化已经成为一个严重的社会问题。老年人表现出多维度认知功能下降以及大脑结构和功能的显著改变。老年人半球不对称降低模型(HAROLD)和老化与认知脚手架模型(STAC)指出,人脑通过代偿机制应对年龄相关的功能减退。而长期音乐训练等终生因素被证实能改善脑结构和功能的衰退,并增强代偿效应。已有研究表明,老年人常常存在噪音下言语知觉困难,而长/短期音乐训练能显著提升老年人的噪音下...
甘百强,教授,高级工程师,广州大学硕士。现任数字媒体技术专业教师,广东省教育厅省级规划教材评审专家、广州市科技局项目评审专家;机械工业出版社等5家出版社编委成员、专家委员会委员、客座教授;10余本国际SCI、EI期刊审稿人;广东省优秀教师、广州市优秀教师、国家优秀指导教师、广东省优秀指导教师、广州市优秀指导教师;发表SCI、EI收录论文30余篇,出版著作3部,授权专利50余件。
容强,男,电子科技大学(成都)软件工程硕士,副教授职称(计算机科学与技术方向),中国计算机学会会员(E20-0012177M),就职于郑州科技学院信息工程学院计算机科学与技术教研室。
2024年3月21日下午,应中国传媒大学信息与通信工程学院邀请,中国科学院计算技术研究所蒋树强研究员为中国传媒大学博士生讲授前沿课。课程由信息与通信工程学院党委书记金立标教授主持,学院2023级全体博士研究生及部分硕士研究生和老师共同参加课程。
朱强,男,1964年出生,教授。现任南京传媒学院传媒技术学院院长、省级一流本科专业建设点——数字媒体技术专业带头人。
CAA会士面对面系列活动是中国自动化学会为学会会士量身打造的高端学术交流平台,每期活动邀请1位或数位学会会士进行专题报告,围绕国际科技热点,聚焦国家创新发展战略需求,前瞻学科领域发展新方向,积极发挥学术引领和科技智库作用,展现重大学术咨询研究成果,引导社会尊崇科学思想和方法,促进公众提升科学意识和素养。
2024年3月5日,中国科学院软件研究所天基综合信息系统全国重点实验室研究团队的论文T2MAC: Targeted and Trusted Multi-Agent Communication through Selective Engagement and Evidence-Driven Integration被计算机科学领域顶级学术会议AAAI接收。共同第一作者为软件所特别研究助理孙楚雄、博士生...
本报告主要介绍近年来新一代人工智能的前沿进展及其在经济发展和社会进步各大支柱产业中的赋能应用情况。重点介绍负责任的人工智能理论发展体系和以深度学习为代表的新一代人工智能在加速推进“人工智能驱动的科学研究”方面的概况,并结合”AI+"模式在若干重点行业的典型应用案例展示新一代人工智能的产业赋能现状,并探讨新一代人工智能未来的发展趋势。
作为一种不需要事先获得训练数据的机器学习方法,强化学习(Reinforcement learning,RL)在智能体与环境的不断交互过程中寻找最优策略,是解决序贯决策问题的一种重要方法.通过与深度学习(Deep learning,DL)结合,深度强化学习(Deep reinforcement learning,DRL)同时具备了强大的感知和决策能力,被广泛应用于多个领域来解决复杂的决策问题.异策略...
强化学习(Reinforcement learning,RL)在围棋、视频游戏、导航、推荐系统等领域均取得了巨大成功.然而,许多强化学习算法仍然无法直接移植到真实物理环境中.这是因为在模拟场景下智能体能以不断试错的方式与环境进行交互,从而学习最优策略.但考虑到安全因素,很多现实世界的应用则要求限制智能体的随机探索行为.因此,安全问题成为强化学习从模拟到现实的一个重要挑战.近年来,许多研究致力于开发...
赵久强,浙江大学控制科学与工程学院实验师。研究方向:智能感知与检测;工业智能与优化控制。研究主题:检测技术与自动化装置,工业机器人,智能工厂实验教学与研究。
尤国强,教授,博士,现任信息工程学院科研副院长。发表《A Structural Analysis Method for Cable-Beam Composite Structure》《民办高校新工科实践教学平台建设探索研究》等科研、教改论文30余篇,其中核心期刊论文20余篇。主持完成陕西省教育厅项目3项,校企合作横向项目4项,获得实用新型专利授权2项,出版专著1部《星载索网式可展开天线的结构分析与...

中国研究生教育排行榜-

正在加载...

中国学术期刊排行榜-

正在加载...

世界大学科研机构排行榜-

正在加载...

中国大学排行榜-

正在加载...

人 物-

正在加载...

课 件-

正在加载...

视听资料-

正在加载...

研招资料 -

正在加载...

知识要闻-

正在加载...

国际动态-

正在加载...

会议中心-

正在加载...

学术指南-

正在加载...

学术站点-

正在加载...