怡心湖

会员帮助 - 勘误反馈

关注微信 - RSS订阅

常识论

类脑计算机体系结构的一些争议之讨论

类脑计算机没有限定具体采用什么体系结构。有些人认为类脑计算机的体系结构应当和人脑的结构完全一样，或者尽可能相像。但是这个思路是不现实的，问题在于，为了具备学习和...

云-端融合的技术挑战有哪些？

从云的角度考虑，云-端融合的技术挑战主要包括云端和终端的环境异构性屏蔽、普适化的云端资源提供。云端和终端的环境异构性屏蔽：当前的云端融合技术主要在托管代码环境中...

网络节点的分工协作与网络的分层小议

分散布局和网络化自然带来节点的分工协作和网络的分层，这对降低系统复杂度、扩大网络规模并推动网络发展、降低成本、提高效率、促进创新等都具有重要意义。分工能降低系统...

熵控网络简介与未来发展的展望

大多数复杂问题可以建模为一个网络，业界普遍认为一个好的大型网络很可能以熵控网络为发展方向。熵控网络具有稳定、发展、高效、创新等特点，是“一个节点多、边更多、边的...

云-端融合到终端能耗优化小议

应用软件层面的编程优化、能耗漏洞检测和硬件层面的部件能耗优化提升了终端能耗效率，但这些立足于终端本身的技术方法只是在一定程度上缓解了设备的过度耗能问题，其优化空...

链路预测问题的研究之展望

链路预测已广泛应用于社交网络、生物网络、推荐系统、股市预测等多个领域。相信随着研究的不断推进，会发现更多可以应用的场景，从而体现链路预测在解决实际问题中的价值。...

基于数据的网络构建和网络的特征挖掘

随着人们能够收集的数据规模越来越大，种类日益增多，如何基于大数据构建合适的网络也变得日益重要。例如，互联网（Internet）和万维网（WWW）等网络通常通过爬...

基于似然分析的链路预测简介

基于似然分析的链路预测的基本思路是：根据网络结构的产生和组织方式以及目前已经观察到的链路计算网络的似然值，并认为真实的网络使得网络似然值最大，然后再根据网络似然...

基于多智能体系统的网络分析简析

网络理论与多智能体系统结合研究的一个思路是采用多智能体系统方法解决网络分析的某些具体问题，如网络建模、社区挖掘和网络传播等。与经典的随机、小世界和无标度网络生成...

基于机器学习的链路预测方法探究

用机器学习的思路进行链路预测，主要分为基于特征分类方法、基于概率图模型方法和基于矩阵分解方法三大类别。网络中的链路预测问题可以看成机器学习中的分类问题，其中每个...

个性化知识导航的交互式模型简析

个性化知识导航的交互模型通过用户与知识库间的交互优化求解路径，实现知识的动态适配。然而，传统知识库上的寻径主要是针对专家知识，鲜有考虑用户的多粒度和多维度的情景...

人工智能商业化如何实现探讨

作为创业者，将如何看待今天的人工智能的发展，如何将人工智能商业化？梳理当今的人工智能行业，有两个比较清晰的潮流。一是在已有的产品中实现人工智能优先（AI fir...

网络科学的复杂网络理论兴起之回顾

从互联网到移动通信网、交通网、电力网、经济网、社会关系网、生物网和生态网等等，复杂网络已经无处不在，并且对人类生产和生活的影响也越来越大。复杂网络的特征包括：（...