지능형 컴퓨터는 지금까지 공인된 정의가 없다. 도구 책에서는 대량의 정보와 지식을 저장할 수 있고, 추리 (연역과 귀납 포함) 를 할 수 있으며, 학습 기능을 갖추고 있으며, 현대 컴퓨팅 기술, 통신 기술, 인공지능, 바이오닉스의 유기적 결합으로 지식 처리를 위한 도구입니다. 다음은 제가 여러분을 위해 정리한 스마트 컴퓨터에 대한 논문입니다. 여러분들이 좋아하시길 바랍니다! < P > 지능형 컴퓨터에 관한 논문 기사 < P > "인공지능에서의 컴퓨터 응용 연구" < P > 요약 이 글은 인공지능에서 컴퓨터의 응용을 연구하고, 인공지능의 이론적 개념을 설명하고, 현재 인공지능에 적용되는 문제를 분석하고, 일부 분야에서 인공지능의 응용을 소개한다.
키워드: 컴퓨터 인공지능 응용연구 < P > 1, 서문 < P > 인공지능은 기계지능이라고도 하는데, 1956 년 Dartmouth 학회에서 나온 것으로, 이 학회에서 사람들이 처음 제기한 것일까요? 인공지능? 이 단어. 인공지능은 종합적인 학과로서 컴퓨터 과학, 정보론, 심리학, 신경생리학, 언어학 등 다양한 학과의 상호 침투로 발전했다. 컴퓨터의 응용 시스템 측면에서 인공지능은 지능형 시스템이나 스마트 기계를 만들어 인간의 지능 활동을 모방하는 능력을 전문적으로 연구하여 사람들의 과학화 지능을 확장하는 것이다. 인공지능은 도전적인 과학으로, 이 일에 종사하는 사람은 반드시 컴퓨터 지식, 심리학, 철학을 알아야 한다. 인공지능은 사고과학의 기술 응용 수준이며 그 응용 분야 중 하나이다. 수학은 종종 다양한 학과의 기초과학으로 여겨지고, 수학도 언어와 사고 분야에 진입하며, 인공지능학과는 반드시 수학 도구를 빌려야 한다. 수학은 표준 논리 및 모호수학 등 범위에서 작용하며 인공지능학과에 진입하며, 양자는 서로 촉진하고 빠르게 발전할 것이다. < P > 둘째, 인공지능이 컴퓨터에 존재하는 문제 < P > (1) 컴퓨터 언어 이해의 약점에 적용된다. 현재 컴퓨터는 언어의 복잡성을 정확하게 이해하지 못하고 있다. 그러나 예비 개발 단계에 있는 컴퓨터 언어 번역기는 알고리즘에 대한 규범 문장에 대해 이미 매우 높은 문장 작성 능력과 이해력을 보여 주었다. 그러나 문장의 뜻을 이해하는 데 있어서 아직 뚜렷한 성과를 거두지 못했다. 우리가 얻는 정보는 대부분 문맥의 관계와 자신이 파악한 지식에서 나온다. 일상생활에서의 개인적 견해, 사회적 견해, 문화적 견해는 문장의 부가적인 의미에 큰 영향을 미친다.
(b) 패턴 인식 의혹. 컴퓨터를 이용한 연구 및 패턴 인식은 어느 정도 좋은 결과를 얻었지만, 일부는 이미 제품으로 실용화되었지만, 그 이론과 방법, 사람의 감각 인식 메커니즘은 확실히 다르다. 인간의 이미지 사고력과 인식 수단은 컴퓨터의 가장 선진적인 인식 시스템조차도 도달할 수 없다. 또한, 현실 사회에서는 생활이 구조가 느슨한 임무로서 일반 가축은 쉽게 대처할 수 있지만, 기계는 할 수 없다. 이는 영원히 할 수 없다는 것을 의미하는 것이 아니라 일시적인 것이다. < P > 셋째, 일부 분야에서 인공지능의 응용 프로그램 < P > 은 AI 기술의 급속한 발전과 함께 오늘날의 다양한 정보기술 발전은 인공지능 기술과 밀접한 관련이 있다. 즉 인공지능이 이미 컴퓨터의 각 분야에 광범위하게 적용되었음을 의미한다. 다음은 필자가 인공지능을 컴퓨터에 적용하는 일부 분야에 대해 서술한 것이다. 구체적인 상황은 다음과 같다.
(a) 기호 계산을 위한 인공 지능. 과학 컴퓨팅은 컴퓨터의 중요한 용도로서 두 가지 주요 범주로 나눌 수 있다. 첫 번째는 함수 값을 구하는 것과 같은 순수 값의 계산입니다. 둘째, 기호 계산, 대수학 연산이라고도 하는 스마트하고 빠른 계산으로, 처리되는 내용은 모두 기호입니다. 기호는 실수, 정수, 복수, 유리수 또는 집합, 함수, 다항식 등을 나타낼 수 있습니다. 인공지능이 발달하고 컴퓨터가 보급됨에 따라 Maple 이나 Mathematic 과 같은 다양한 기능을 갖춘 컴퓨터 대수학 시스템 소프트웨어가 잇따르고 있습니다. 이러한 소프트웨어는 C 언어로 작성되기 때문에 대부분의 컴퓨터에서 사용할 수 있습니다.
(b) 패턴 인식에 사용되는 인공 지능. 패턴 인식은 컴퓨터가 수학의 기술적 방법을 통해 패턴의 해석과 자동 처리를 연구하는 것이다. 컴퓨터 패턴 인식의 실현은 지능형 기계를 개발하는 돌파구로, 인간이 자신의 지능을 깊이 인식하게 한다. 인식 기능은 정확하고 빠르며 효율적입니다. 컴퓨터의 패턴 인식 과정은 음성 인식과 같은 인간의 학습 과정과 비슷하다. 음성 인식은 컴퓨터가 < P > 의 말을 알아듣게 하는 자동 번역이다. 예를 들면 7 개 국어의 구어 자동 번역 시스템이다. 이 시스템의 실현으로 사람들이 출국할 때 비행기표 구입, 호텔 예약, 외화 환전 등에서 인터넷 및 전화네트워크를 통해 전화나 휴대전화를 사용할 수 있게 되었습니까? 외국인? 대화를 진행하다.
(c) 인공 지능 컴퓨터 네트워크 보안 응용 프로그램. 현재 컴퓨터의 네트워크 보안 관리에서 흔히 볼 수 있는 기술은 주로 침입 탐지 기술과 방화벽 기술입니다. 방화벽은 컴퓨터 네트워크 보안 장치 중 하나로 컴퓨터의 네트워크 보안 관리에 중요한 역할을 합니다. 과거 방화벽은 암호화된 SSL 스트림의 데이터를 볼 수 없고 SSL 스트림의 데이터를 빠르게 얻을 수 없고 암호를 해독할 수 없기 때문에 암호화된 웹 트래픽을 감지할 수 없었습니다. 따라서 과거 방화벽은 어플리케이션의 공격을 효과적으로 막을 수 없었습니다. 또한 일반 어플리케이션이 암호화되면 이전 방화벽의 감지를 쉽게 피할 수 있습니다. 따라서 과거 방화벽은 응용 프로그램 데이터 스트림을 완벽하게 모니터링할 수 없었기 때문에 새로운 공격을 예방하기가 어려웠습니다. 새로운 방화벽은 통계, 확률 및 의사 결정을 활용하는 지능형 방법으로 데이터를 식별하여 액세스 권한을 얻을 수 있는 대상입니다. 그러나 이 방법의 대부분은 인공지능의 학과에서 채택된 것이기 때문에, 이름이? 스마트 방화벽? 。
(4) 인공지능이 컴퓨터 네트워크 시스템의 문제 해결에 적용된다. 인공신경망은 정보 처리 시스템으로서 인간의 인지 과정과 인간의 뇌를 시뮬레이션하는 조직 구조를 통해 이루어진다. 1943 년 인공신경망이 처음으로 제기되어 빠르게 발전하여 인공지능 기술의 또 다른 분기가 되었다. 인공 신경망은 Lenovo 메모리, 어댑티브, 병렬 분산 처리와 같은 장점을 통해 지능형 문제 해결에 많은 관심을 기울이고 큰 잠재력을 발휘하여 지능형 문제 해결 탐구를 위한 새로운 길을 열어줍니다. 인공신경망의 진단 방법은 전문가 시스템의 진단 방법과는 달리, 현장의 많은 표준 샘플을 통해 학습과 훈련을 하고, 인공신경망의 임계값과 연결권 조정을 강화하고, 그로부터 얻은 지식을 네트워크 전체에 숨겨서 인공신경망의 패턴 기억 목적을 달성한다. 따라서 인공 신경망은 지식 캡처 능력이 뛰어나 비정상적인 데이터를 효과적으로 처리하고 전문가 시스템 방법의 결함을 보완할 수 있다. < P > 4, 끝말 < P > 결론적으로 인공지능은 컴퓨터 기술의 흐름으로, 그 연구의 이론과 발견에 따라 컴퓨터 기술의 발전 전망이 결정된다. 오늘날, 대부분의 인공지능의 연구 성과는 이미 사람들의 일상생활에 스며들었다. 따라서 우리는 인공지능 기술의 연구와 개발을 강화해야 하며, 각 분야에 적용되는 문제에 대해서만 전면적인 분석을 하고, 이를 순조롭게 발전시킬 수 있도록 적절한 조치를 취해야 한다. 인공지능 기술의 발전은 사람들의 생활, 학습, 일에 큰 영향을 미칠 것이다.
참고 문헌:
[1] 양영. 지능형 컴퓨터 지원 교육 시스템 구현 및 연구 [J]. 컴퓨터 지식 및 기술, 29,9
[2] 마우이. 인공지능 연구 핫스팟 및 발전 방향 [J] 1
[4] 진보영, 풍홍. 인공지능의 응용연구 [J]. 싱대 직업기술학원 학보, 28,1
스마트컴퓨터에 관한 논문 2 < P >' 스마트컴퓨팅 기반 컴퓨터 네트워크 신뢰성 분석' < P > 이 문서에서는 컴퓨터 네트워크 시스템의 최소 경로 집합 연산을 구현하기 위해 동적 배열 계층화를 사용하는 지능형 세분성 컴퓨팅 분할 이론 방법을 주로 설명하고 컴퓨터 네트워크 시스템의 신뢰성 분석 방법을 설명합니다.
키워드: 지능형 알고리즘; 컴퓨터 네트워크 신뢰성 분석
1 컴퓨터 네트워크 신뢰성에 영향을 미치는 요소
1.1 사용자 장치. 사용자 장치는 사용자에게 제공되는 터미널 장치로, 기능이 신뢰할 수 있는지 여부는 사용자의 사용 느낌에 큰 영향을 미치며 컴퓨터 네트워크의 신뢰성에 중요한 영향을 미칩니다. 사용 중 사용자 단말기의 신뢰성을 보장하는 것은 컴퓨터 네트워크 운영 중 일상적인 유지 관리의 중요한 부분이며, 사용자 단말기의 상호 작용 능력이 높을수록 네트워크가 더욱 안정적입니다.
1.2 전송 스위칭 장치. 전송 장치에는 전송 회선 및 전송 장치가 포함되어 있습니다. 실제로 전송 회선 원인으로 인한 컴퓨터 네트워크 장애라면 일반적으로 알아차리기 어렵고, 때로는 이 장애의 원인을 파악하기 위해 많은 노력을 기울여야 합니다. (윌리엄 셰익스피어, 윈스턴, 전송, 전송, 전송, 전송, 전송, 전송, 전송, 전송, 전송, 전송) 따라서 전송 장비를 설치할 때는 표준화된 통신 회선 및 케이블 연결 시스템을 사용해야 하며, 네트워크의 신뢰성을 극대화하기 위해 중복성과 내결함성을 충분히 고려해야 합니다. 조건이 허용되는 경우 장애 발생 시 네트워크 회선을 전환할 수 있도록 이중 회선 배선 방식을 사용하는 것이 좋습니다.
1.3 네트워크 관리. 비교적 큰 일부 네트워크 장비 구조에서는 사용되는 네트워크 제품과 장비가 서로 다른 제조업체에서 생산되며, 규모가 크고 구조도 비교적 복잡하다. 컴퓨터 네트워크의 신뢰성을 높이면 정보 전송의 무결성을 보장하고, 정보 손실의 발생률을 줄이고, 고장과 오류 발생률을 줄일 수 있습니다. 컴퓨터 네트워크의 신뢰성을 높이려면 고급 네트워크 관리 기술을 사용하여 실행 중인 네트워크 매개 변수를 실시간으로 수집하고 기존 문제를 해결해야 합니다.
1.4 네트워크 토폴로지. 네트워크 토폴로지란 전송 매체를 사용하여 다양한 장치를 서로 연결하고 배치하는 것을 말합니다. 주로 네트워크 디바이스 간의 물리적 상호 연결에 반영됩니다. 컴퓨터 네트워크 토폴로지는 전체 네트워크의 계획 구조와 관련이 있으며 컴퓨터 네트워크의 신뢰성과 관련된 중요한 결정 요소 중 하나입니다. 네트워크 토폴로지의 성능은 주로 네트워크 기술, 네트워크 크기, 사용자 분포 및 전송 미디어 등의 요인에 의해 영향을 받습니다. 네트워크 성능 요구 사항이 높아짐에 따라 컴퓨터 네트워크 토폴로지는 내결함성 지름, 넓은 지름, 연결 제한, 내결함성 지름 제한 등 더 많은 요구 사항을 충족해야 합니다. 이러한 매개 변수는 컴퓨터 네트워크의 신뢰성과 내결함성을 보다 정확하게 측정하여 컴퓨터 네트워크 계획의 과학성과 신뢰성을 실현할 수 있습니다.
2 지능형 컴퓨팅 기반 네트워크 신뢰성 분석
2.1 지능형 컴퓨팅 기반 네트워크 신뢰성 개념. 컴퓨터 네트워크 시스템의 구성 요소에는 노드와 노드를 연결하는 호가 포함되며, 노드는 입력 노드 (출력 호만 있고 입력 호에 속하는 노드는 없음), 출력 노드 (입력 호만 있고 출력 호는 없는 노드) 및 중간 노드 (입력, 출력 노드 아님) 로 나눌 수 있습니다. 네트워크는 방향 네트워크 (모두 방향 호로 구성된 네트워크), 무 방향 네트워크 (모두 무 방향 호로 구성된 네트워크) 및 혼합 네트워크 (유향 호 및 무 방향 호 포함) 로 나눌 수 있습니다. 구조가 복잡한 일부 네트워크 시스템에서는 시스템의 신뢰성을 정확하게 분석하기 위해 일반적으로 네트워크 다이어그램으로 표시됩니다. 네트워크 신뢰성을 분석할 때, 일반적으로 시스템 또는 호는 정상 상태와 오류 상태만 존재한다는 단순화를 수행합니다. 무 지향성 호의 다른 방향은 동일한 신뢰성을 가지고 있습니다. 한 호에 장애가 발생해도 다른 호의 정상적인 사용에 영향을 주지 않습니다.
2.2 네트워크 시스템의 최소 경로 집합에 대한 노드 트래버스 방법. 네트워크 시스템의 최소 경로 집합을 찾는 방법은 일반적으로 다음과 같은 세 가지 방법이 있습니다. 첫째, 인접 행렬은 연락처 매트릭스 방법이라고도 하며, 원리는 한 행렬에 곱셈과 다중 곱셈을 하는 것입니다. 이 방법은 노드가 많지 않은 네트워크에 더 적합하지만 노드 수가 많을 때는 적합하지 않습니다. 왜냐하면 계산량이 크고, 컴퓨터에 대한 용량 요구도 높고, 계산 시간도 길고, 계산 시간도 길기 때문입니다. 둘째, 부울 행열법, 행렬 행열법과 유사하다. 이 방법은 이해하기 쉽고, 조작이 간편하며, 수작업으로 처리할 수 있지만, 노드가 많은 네트워크에서의 응용은 비교적 번거롭다. (알버트 아인슈타인, Northern Exposure (미국 TV 드라마), 도전명언) 셋째, 노드 트래버스 방법은 다중 노드 수를 해결할 수 있는 조직적이고 복잡한 네트워크로 널리 사용되지만, 이 방법은 판단조건이 많아 미비할 때 오류가 발생하기 쉽다. 네트워크 시스템의 최소 경로 세트를 찾는 기본 방법은 입력 노드 I 에서 시작하여 모든 최소 경로 세트를 찾을 때까지 출력 점 L 까지 점을 하나씩 이동하는 것입니다. 이 과정에서 현재 노드가 이전 노드와 중복되는지 여부를 결정해야 합니다. 가장 작은 도로 세트를 찾았는지 여부를 결정합니다. 모든 최소 경로 세트 검색이 완료되었는지 여부를 결정합니다.
2.3 지능형 세분성 컴퓨팅 분할을 기반으로 하는 컴퓨터 네트워크 시스템 최소 경로 집합 연산. 입자는 종종 구별, 접근, 또는 특정 기능과 결합되기 어려운 논역의 한 클러스터이며, 입자 계산은 많은 특정 분야의 문제 해결 방법을 덮는 큰 우산으로, 구체적으로 구간 분석, 분할법, 거친 집합 이론으로 표현된다. 지능형 세분성 계산에 기반한 노드 트래버스 방법을 개선하는 컴퓨터 네트워크 시스템 최소 경로 세트 연산 방법은 일반적으로 다음과 같습니다. 먼저 기존 네트워크 시스템 최소 경로 세트 노드 트래버스 계산 방법의 2 차원 배열을 1 차원으로 표현하면 n-1 로 쉽게 표현할 수 있습니다. 이는 N 노드의 네트워크 시스템 최소 경로 세트의 최대 길이가 n-1 보다 작거나 같기 때문입니다. 즉, 입력 노드에서 출력 노드까지 1 차원 동적 배열을 사용할 수 있습니다. 노드별로 트래버스합니다. 1 차원 배열에 결과를 저장합니다. 최소 경로 세트를 찾으면 하드 드라이브의 파일에 결과를 쓰고, 다음 최소 경로 세트를 계속 찾고, 찾은 후 하드 디스크 파일에 쓰고, 모든 최소 경로 세트를 찾을 때까지 1 차원 동적 배열을 해제할 수 있습니다. 둘째, 연산에 통합된 배열을 동적으로 연산에 참여시켜 연산 기능을 완료한 후 바로 해제할 수 있으므로 메모리 공간을 절약하고 전반적인 연산 속도를 높일 수 있습니다. 또한 노드가 나타내는 최소 도로 세트 파일을 기준으로 호로 표시된 최소 도로 세트로 변환하고 후속 관련 계산을 위해 저장합니다. 마지막으로, 지능형 세분성 계산 분할 객체 이론 방법을 사용하여 동적 배열 계층화를 통해 컴퓨터 네트워크 시스템을 구현합니다.