人工智能课程报告 摘要:自上世纪五十年代以来,经过了几个阶段的不断探索和发展,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正意义上的的人类智能还相差甚远。但是进入新世纪以来,随着信息技术的快速进步,与人工智能相关的技术水平也得到了相应的提高。尤其是随着因特网的普及和应用,对人工智能的需求,变得越来越迫切,也给人工智能的研究提供了新的更加广泛的舞台。本文强调在当今的网络时代,作为信息技术的先导,人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向,要在学科交叉研究中实现人工智能学习的发展与创新,就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点,尤其是重视认知物理学的研究。自然语言是人类思维活动的载体,是人工智能学习研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无尺度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络化了的智能,从而适应信息时代数据挖掘的普遍要求,迎接人工智能学习与应用领域新的辉煌。概述 自20世纪90年代以来,随着全球化的形式与国际竞争的日益激烈,对人工智能技术的研究与应用变的越来越被人们关注,且人工智能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。 人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲,人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的,它一方面成为人类智能的延长,另一方面又为探讨人类智能机理提供了新的理论和研究方法。学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具有以下特点:学习行为一般具有明显的目的性,其结果是获取知识;学习系统中结构的变化是定向的,要么由学习算法决定,要么由环境决定;学习系统是构造智能系统的中心骨架,它是全面组织与保存系统知识的场所。因此,人工智能学习研究的一个主要目的是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但是,不同的时代、不同的人对这种“复杂工作”的理解是不同的。一人工智能学习的历史性基础和发展步伐 人工智能学习的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外,人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。 一般认为,人工智能的思想萌芽可以追溯到德国著名数学家和哲学家莱布尼茨(Leibnitz,1646-1716)提出的"通用语言"设想。这一设想的要点是:建立一种通用的符号语言,用这个语言中的符号表达“思想内容”,用符号之间的形式关系表达“思想内容”之间的逻辑关系。于是,在“通用语言”中可以实现“思维的机械化”这一设想可以看成是对人工智能的最早描述。 计算机科学的创始人图灵被认为是“人工智能之父”,他着重研究了一台计算机应满足怎样的条件才能称为是“有智能的”。1950年他提出了著名的“图灵实验”:让一个人和一台计算机分别处于两个房间里,与外界的联系仅仅通过键盘和打印机。由人类裁判员向房间里的人和计算机提问,并通过人和计算机的回答来判断哪个房间里是人、哪个房间里是计算机。图灵认为,如果“中等程度”的裁判员不能正确地区分,则这样的计算机可以称为是有智能的。“图灵实验”是关于智能标准的一个明确定义。有趣的是,尽管后来有些计算机已经通过了图灵实验,但人们并不承认这些计算机是有智能的。这反映出人们对智能标准的认识更深入、对人工智能的要求更高了。 图灵和冯·诺依曼的上述工作,以及麦克考洛和匹茨对神经元网的数学模型的研究,构成了人工智能的初创阶段,这其实也是人工智能学习的开始。 人工智能早期研究给人的深刻印象是博羿,与自动定理证明的研究意义不限于数学一样,搜索的研究意义也不限于博弈。根据认知心理学的信息处理学派的观点,人类思维过程的很大一部分可以抽象为从问题的初始状态经中间状态到达终止状态的过程,因此可以转化为一个搜索问题,由机器自动地完成。例如“规划”问题。设想一台机器人被要求完成一项复杂任务,该任务包含很多不同的子任务,其中某些子任务只有在另一些子任务完成之后才能进行。这时,机器人需要事先“设想”一个可行的行动方案,使得依照该方案采取行动可以顺利完成任务。“规划”即找出一个可行的行动案,可以通过以其子任务为状态、以其子任务间依赖关系为直接后继关系的状态空间中的搜索来实现。 人工智能的早期研究还包括自然语言理解、计算机视觉和机器人等等。通过大量研究发现,仅仅依靠自动推理的搜索等通用问题求解手段是远远不够的。Newell和Simon等人的认知心理学研究表明,各个领域的专家之所以在其专业领域内表现出非凡的能力,主要是因为专家拥有丰富的专门知识(领域知识和经验)。70年代中期,Feigenbaum提出知识工程概念,标志着人工智能进入第二个发展时期。知识工程强调知识在问题求解中的作用;相应地,研究内容也划分为三个方面:知识获取,知识表示和知识利用。知识获取研究怎样有效地获得专家知识;知识表示研究怎样将专家知识表示成在计算机内易于存储、易于使用的形式;知识利用研究怎样利用已得到恰当表示的专家知识去解决具体领域内的问题。知识工程的主要技术手段是在早期成果的基础上发展起来的,特别是知识利用,主要依靠自动推理和搜索的技术成果。在知识表示方面,除使用早期工作中出现的逻辑表示法和过程表示法之外,还发展了在联想记忆和自然语言理解研究中提出的语义网表示法,进而引入了框架表示法,概念依赖和脚本表示法以及产生式表示法等等各种不同方法。与早期研究不同,知识工程强调实际应用。主要的应用成果是各种专家系统。专家系统的核心部件包括:(a)表达包括专家知识和其他知识的知识库。 (b)利用知识解决问题的推理机。 大型专家系统的开发周期往往长达10余年,其主要原因在于知识获取。领域专家虽然能够很好地解决问题,却往往说不清自己是怎么解决的,使用了哪些知识。这使得负责收集专家知识的知识工程师很难有效地完成知识获取任务。这种状况极大的激发了自动 知识获取----机器学习研究的深入发展。已经得到较多研究的机器学习方法包括:归纳学习、类比学习、解释学习、强化学习和进化学习等等。机器学习的研究目标是:让机器从自己或“别人”的问题求解经验中获取相关的知识和技能,从而提高解决问题的能力。 80年代以来,随着计算机网络的普及,特别是Internet的出现,各种计算机技术包括人工智能技术的广泛应用推动着人机关系的重大变化。据日美等国未来学家的预测,人机关系正在迅速地从“以人为纽带”的传统模式向“以机为纽带”的新模式转变人机关系的这一转变将引起社会生产方式和生活方式的巨大变化,同时也向人工智能乃至整个信息技术提出了新的课题。这促使人工智能进入第三个发展时期。 在这个新的发展时期中,人工智能面临一系列新的应用需求。首先是需要提供强有力的技术手段,以支持分布式协同工作方式,现代生产是一种社会化大生产,来自不同专业的工作者在不同或相同的时间、地点从事着同一任务的不同子任务。这要求计算机不仅为每一项子任务提供辅助和支持,更需要为子任务之间的协调提供辅助和支持。由于各个子任务在很大程度上可以独立地进行,子任务之间的关系必然呈现出动态变化和难以预测的特点。于是,子任务之间的协调(即对分布协同工作的支持)向人工智能乃至整个信息技术以及基础理论提出了巨大的挑战。 其次,网络化推进了信息化,使原本分散孤立的数据库形成一个互连的整体,即一个共同的信息空间。尽管现有的浏览器和搜索引擎为用户在网上查找信息提供了必要的帮助,这种帮助是远远不够的,以至于“信息过载”与“信息迷失”状况日益严重。更强大的智能型信息服务工具已成为广大用户的迫切需要。另一方面,信息空间对人类的价值不仅在于单独的信息条目(比如某厂家生产出了某一新产品的信息),还远在于一大类信息中隐藏着的普遍性知识(比如某个行业供求关系的变化趋势)。于是,数据中的知识发现也成为一项迫切的研究课题。机器人始终是现代工业的迫切需求。随着机器人技术的发展,研究重点已经转向能在动态、不可预测环境中独立工作的自主机器人,以及能与其他机器人(包括人)协作的机器人。显然,这种机器人之间的合作可以看成是物理世界中的分布式协同工作,因而包括相同的理论和技术问题。 由此可见,人工智能第三发展时期的突出特点是研究能够在动态、不可预测环境中自主、协调工作的计算机系统,这种系统被称为Agent 。目前,正围绕着Agent的理论、Agent的体系结构和Agent语言三个方面展开研究,并已产生一系列重要的新思想、新理论、新方法和新技术。在这一研究中,人工智能呈现一种与软件工程、分布式计算以及通讯技术相互融合的趋势。Agent研究的应用不限于生产和工作,还深入到人们的学习和娱乐等各个方面。例如,Agent与虚拟现实相结合而产生的虚拟训练系统,可以使学生在不实际操纵飞机的情况下学飞行的基本技能;类似地,也可使顾客“享受”实战的“滋味”。 我国也先后成立中国人工智能学会、中国计算机学会人工智能和模式识别专业委员会和中国自动化学会模式识别与机器智能专业委员会等学术团体,开展这方面的学术交流。此外国家还着手兴建了若干个与人工智能研究有关的国家重点实验室,这些都将促进我国人工智能的研究,为这一学科的发展作出贡献。 综观人工智能学习的发展历程,可以看出它始终遵循的基本思路。首先是强调人类智能的人工实现而不是单纯的模拟,以便尽可能地为人类的实际需要服务。其次是强调多学科的交叉结合,数学、信息科学、生物学、心理学、生理学、生态学以及非线性科学等等越来越多的新生学科被融入到人工智能学习的研究之中。 二人工智能学习的主要技术及其发展趋势 目前人工智能学习研究的3个热点是:智能接口、数据挖掘、主体及多主体系统。智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标,要求计算机能够看懂文字、听懂语言、说话表达,甚至能够进行不同语言之间的翻译,而这些功能的实现又依赖于知识表示方法的研究。因此,智能接口技术的研究既有巨大的应用价值,又有基础的理论意义。目前,智能接口技术已经取得了显著成果,文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱:数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。 主体是具有信念、愿望、意图、能力、选择和承诺等心智状态的实体,比对象的粒度更大,智能性更高,而且具有一定自主性。主体试图自治地、独立地完成任务,而且可以和环境交互,与其他主体通信,通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为,最终实现问题求解。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。 新一代的智能技术是指80年代以来迅速发展起来的以神经网络(ANN)、进化计算、模糊逻辑、Agent为主要代表的计算只能技术,其中主要具有学习进化与自组织的能力。 神经网络也就是模拟人脑中神经元的功能,希望通过模拟人脑最基本的单位神经元功能来模拟人脑的功能。它通过一定的范例训练构成的神经网络,就象教一个小孩子一样,在训练结束后,这个神经网络就可以完成特定的功能了。它是通过范例的学习,修改了知识库和推理机的结构,达到实现人工智能的目的。 最后还有一个应用领域,就是模型识别,我想它应该在知识挖掘中应用不小,因为现在工程中的获得的数据越来越多,要想人为地从这些数据中确定某一规律都不容易,更不要说在这些数据中发现新规律了,因此有必要进行数据挖掘,它的应用对于决策支持系统将有着巨大的意义。 人可以思考,人工智能也需要思考,这就是推理;人可以学习,人工智能也就需要学习;人可以拥有知识,那么人工智能也就需要拥有知识。 人工智能是为了模拟人类大脑的活动的,人类已经可以用许多新技术新材料代替人体的许多功能,只要模拟了人的大脑,人就可以完成人工生命的研究工作,人创造自己,这不但在科学上,而且在哲学上都具有划时代的意义。 学习是指系统适应环境而产生的适应性变化,它使得系统在完成类似任务时更加有效。80年代以来,ANN的学习机制再次得到人们的重视,基于连接机制的亚符号学习又一次成为的当今学习机制研究的热点,提出了竞争学习,进化学习、加强学习等各种新的学习机制。机械式学习。它的另一个名称死记式学习能够直接体现它的特点,这是一种最简单的,最原始的学习方法,也是机器的强项,人的弱项。指导式学习。这种学习方式是由外部环境向系统提供一般性的指示或建议,系统把它们具体地转化为细节知识并送入知识库中,在学习过程中要对反复对知识进行评价,使其不断完善。 归纳学习。我们看到,机器所善长的不是归纳,而是演绎,它适用于从特殊到一般,而不太适应从一般到特殊,从特殊到一般的归纳是人类所特有的,是智慧的标志。具体的归纳学习方法有许多,但它们的本质就是让计算机学会从一般中得出规律。 类比学习。类比也就是通过对相似事物进行比较所进行的一种学习。它的基础是类比推理,也就是把新事物和记忆中的老事物进行比较,如果发现它们之间有些属性是相同的,那么可以(假定地)推断出它们的另外一些属性也是相同的。基于解释的学习。这是近年来兴起的一种新的学习方法。它不是通过归纳或类比进行学习,而是通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习,并最终生成这个目标概念的一般描述,这个一般描述是一个可形式化表示的一般性知识。 增强式学习(ReinforcementLearning)是一种基于行为方法的半监督学习。一般的学习方法分两类,一类是上文提到的基于模型的,在这种方法,智能体需要环境确切的模型,具有较高的智能,但不适合于不确定的动态环境;另一种是基于行为的方法,在这种方法中,不需要环境的确切模型,采用分层结构,高层行为可以调整和抑制低层的行为能力,但每层中都具有其自主的确定权,如[3]中的Holonic智能制造系统。增强式具有这些优点,故常用于机器人足球赛[4]、狩猎问题、甚至战争指挥中[5],但是这些都只是理论上的研究,因为机器人足球赛的本身目的也是为了测试人工智能的可用性,且更不可能去让战争去由电脑而不是人去指挥了。使用强化学习的Agent最早是出现与遗传算法中,使用“Ethogenetics(行为遗传)”的思想,突破了人们长期以来关于一个编码串对应于组合优化问题所有策略变量的一个组合方式的传统、静态的认识,而将一个编码串看成某个智能主体(Agent)主动进行的一系列决策行为的结果。 人工智能学习可能会向以下几个方面发展:模糊处理、并行化、神经网络和机器情感。目前,人工智能的推理功能已获突破,学习及联想功能正在研究之中,下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域,未来智能计算机的构成,可能就是作为主机的冯·诺依曼机与作为智能外围的人工神经网络的结合。研究表明:情感是智能的一部分,而不是与智能相分离的,因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。 通过以上的学习方法就是为了得到知识,通过一种方便的方法得到知识。前面已经说过了,因为机器的思考方式和人类的思考方式大有不同之处,因此让机器通过自己学习生成自己便于理解和使用的知识,也不失为机器学习的目标之一。 人工智能一直处于计算机技术的前沿,人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。 由于计算机芯片的微型化已接近极限。人们越来越寄希望于全新的计算机技术能够带动人工智能的发展。目前至少有三种技术有可能引发全新的革命,它们是光子计算机、量子计算机和生物计算机。 结束语 许多科学家断言,机器的智慧会迅速超过阿尔伯特·爱因斯坦和斯蒂芬·霍金的智慧之和。著名物理学家斯蒂芬·霍金认为,就像人类可以凭借其高超的捣弄数字的能力来设计计算机一样,智能机器将创造出性能更好的计算机。最迟到本世纪中叶而且很可能还要快得多,计算机的智能也许就会超出人类的智能。 本文对学习中的一些方法进行基本的叙述并阐述了其发展的趋势,但是在一般的学习中,使用基于行为的方法仍旧是最受人关注的;文中介绍了几种强化学习方法的变形,并对他们的运用进行了一定的叙述。在一定程度上,他们实现仿真的可行行。但是这些仿真大多都是验证性的,真正的人工智能在实际生产中的运用仍旧是一个需要研究的课题。最后,我们来总结一下,人工智能学习的各个研究领域。参照人在各种活动中的功能,我们可以得到人工智能的领域也不过就是代替人的活动而已。哪个领域有人进行的智力活动,哪个领域就是人工智能学习研究的领域。人工智能学习就是为了应用机器的长处来帮助人类进行智力活动。人工智能学习研究的目的就是要模拟人类神经系统的功能。 但随着技术及技术的发展,人工智能学习的方法还会有所变化也更加会引起我们的关注。参考文献[1] 《人工智能简史》孙兴清华大学出版社, 1990年[2] 蔡自兴徐光佑《人工智能及其应用》清华大学出版社 2002年1月[3] 陈万求;黄一;;NBIC会聚技术的“后人类”议题[J];湖南师范大学社会科学学报;2013年04期 [4] 王东浩;;道德机器人:人类责任存在与缺失之间的矛盾[J];理论月刊;2013年11期[5] 机器学习理论为什么实现不了强人工智能[6] 王东浩;;人工智能体的道德确立与伦理困境[J];华南农业大学学报(社会科学版);2014年01期[7] 熊力;媒介道德激励功能及其实践研究[D];湖南大学;2013年[8] 孙志楠;;人工智能在电气自动化控制中的应用[J];现代商贸工业;2013年07期[9] 宋翠萍;;浅析智能化技术在电气工程自动化中的应用[J];电源技术应用;2013年06期[10] 胡琴;;电气自动检测技术的现状与发展[J];硅谷;2013年11期[11] 刘惠彦;;电气自动化工程控制系统的现状及其发展趋势[J];科技创新与应用;2013年18期[12] 朱金芳;;人工智能在电气工程自动化中的运用[J];化学工程与装备;2013年05期[13] 潘伟航;;浅析电气自动化在日常生活中的作用和未来发展趋势[J];科技创新与应用;2013年12期[14] 虞峥;;浅谈人工智能技术在电气自动化中的运用[J];电子制作;2013年05期[15] 赵纲;刘刚;;有关电气控制线路设计的研究[J];电子制作;2013年02期[16] 李俊平;人工智能技术的伦理问题及其对策研究[D];武汉理工大学;2013年[17] 赵艳军;锰粉制备输送控制系统设计与研究[D];兰州理工大学;2012年
不可以发表核心期刊经验谈之。(一)个人认为,现在的中文学报文章都不怎么好。1、投稿周期长、关系稿多,还收很贵的版面费,不合算。2、同样影响的外文期刊,不收版面费。3、要投中文稿件,英文摘要要写好,中文表达要清楚,只要说明白自己做的是什么、为什么这么做、得到了什么结果、同国内外同样工作的比较情况,引用本刊的文章。正确掌握论文写作的基木要求及规范化,并注意选择对口的专业期刊投稿,且遵循所投刊物的格式要求,再加上导师能对论文严格把好质量关。则可避免因投稿后反复退修而耽误了论文发表的时间,又可减少稿件在初审阶段就被退稿的可能,从而提高论文的录用率。
---一个大学教授、审稿专家的写作经验给全国十五、六种学报、杂志审稿占用了我业余生活的大部分时间,每年的审稿量少说有100篇。近年来,觉得稿件质量大不如前。在我前几年开始审稿时,一审的通过率在90%以上;这一年来大概只有20%,有各种问题需要改后再审的约占60%,不能录用的约占20%。我常常想,是不是稿子看多了,眼 睛看刁了,什么都看不惯;仔细想想,确实不是,实在是近来稿件质量滑坡太明显。有一次,在某学报编辑部开座谈会,主题是如何提高学报的水平。提高水平的前提是稿件的质量要高,这是大家公认的。大家对近年来稿件质量的下降也是有同感的。至于原因,则仁者见仁智者见智。有的同志认为是作者队伍的年轻化;有的同志认定为是论文数作为指标被定在某些对个人或单位的评价体系中,造成单纯追求数量而粗制滥造。应该承认,这些都可以是原因,但其中有些问题并不以我们自己的意志为转移。我们应该看到,作者队伍的年轻化是必然趋势也是好事,尤其是年轻作者正处在创造力旺盛时期,是出好文章的重要保证。我认为,论文质量下降从面上看严重了一些,但究其原因,主要是论文写作的基础训练不够。这种情况是可以通过努力改变的。因此,我把在审稿中碰到的问题总结了一下,希望对一些作者写作有所帮助。一、科技论文的内容中学时就学过,文章的体裁最主要的有记叙文和议论文两种。记叙文说的是某一事件发生的背景、过程及影响,也点作者的感想。议论文要说的是对某些问题的论点和为证明论点的正确性而做的求证工作,即提供论据,进行推理,最后得出结论。因此,这两种体裁是很不相同的。还有一种接近议论文但严格说来不算议论文的体裁是只对某些问题或现象发表自己的看法或观感,虽有观点但并不刻意去证明观点的正确性,这种文章属于散文中的随笔,本文即属于这种文章。科技论文应该是议论文,至少应该有观点。通俗地说,科技论文要解决的主要问题不是“是什么”,而是“怎样做” 和“为什么”,对于“怎样做”的文章,最好要有“为什么要这样做”的内容。有的作者很容易把议论文写成记叙文,特别是在做了某个项目的研究后的总结性文章,只说自己是怎样做的,很少去说为什么要这样做。原因可能是这样写很顺,因为工作是他(们)做的,过程很清楚,用不着费劲就可以说明白。这样的文章深度不够。近年来受到大家重视,但类的文章大多属于这种情况。加之的头绪一般很多,要说明白了,不分粗细,面面俱到,篇幅不短,很有点雾里看花的味道。科技论文不是工作总结,也不是说明书。论文内容的正确性当然是非常重要的。不过,不同领域的出错情况很不相同,很难概括。然而,有五点是应该注意的:⑴ 要有创新,至少要有新意。是否有创新,是很多刊物考虑录用的最主要出发点,特别像《中国科学》这样的权威性刊物,没有创新就不可能录用。可以说,创新有原始创新和集成创新两种。工学类论文中,原始创新比较少,大多是提出一些新方法、新算法,或是以别人没有用过的方法对一个问题进行分析,属于集成创新。虽然这也是可取的,但论文必须雄辩地说明采用采用新方法所取得的结果。有一篇论文写基于hermit样条的彩色图象道路提取方法,方法本身并没有错,但有两个结论有问题。一是说用hermit样条对提取的间断的道路标志线拟合后可以得到连续的标志线,实际上,一般的三次样条或多项式拟合也能解决这个问题;二是说hermit样条更适于表达图象上的弯曲的道路标志线,但是没有数据表明为什么其它的拟合曲线就不适合。这样一来,虽然别人在道路提取中没有用过 hermit样条,这篇论文的新意也就荡然无存了。⑵ 论文的写法一定要突出重点。有篇文章谈及机器人的灵巧手,这个项目本身做得不错,但这篇文章把灵巧手的结构、手指驱动、抓握控制面面俱到地说了一遍,每一部分都说得不透彻,没有深度。如果这篇文章能集中论述尺寸受限制的灵巧手的驱动,就要好得多。还有一篇谈遥在技术的文章,先泛泛地讲了微型摄像头的结构,再从一些书上摘录了人所共知的模糊控制的基本概念,二者之间又没有有机联系,这样的文章根本没有内容。如果集中论述在视觉系统微小型化中所解决的问题,恐怕还能写出点东西。⑶ 论文的内容要真实、正确。这一点是很重要的,不弄虚作假是良好的科学道德。如果让人看出虚假的东西,这篇文章就肯定不能用。有一篇写控制算法的文章,对算法做了仿真。仿真时用的关节角函数是q=1sin(3πt),周期显然是(2/3)s,而做出的仿真曲线的周期却是8s,角速度的最大值也小得 多,这样的结果至少使人怀疑作者并没有真正做了仿真。⑷ 关于综述性文章。综述性文章的内容主要是前人对某一专题做过哪些研究、哪些问题已经解决、哪些问题还需要继续研究,最重要的是要指出对这一专题继续研究的方向。从这个意义上来说,写综述性文章实际上是比较难的,需要占有大量资料,而且,对资料要分析,去粗存精,去伪存真,高屋建瓴。千万不要看了几篇发表过的论文就写综述。⑸ 关于论文中的公式。科技论文一般少不了公式。公式推导的正确固然很重要,但也并非一定要把一步一步的推导过程写清楚。有的文章虽然写出了公式,但是,不注意对公式中所用符号的说明,不注意说明公式的适用条件,这样的公式是没什么用的。有一篇文章论述以三条人工肌肉作为作动器的并联,作者试图建立它的数学模型,前面写出了人工肌肉输入气压与肌肉长度的关系式,又列出力平衡方程,然后就说把前一式与后一式相结合,得到一个非线性的状态方程,把它作为数学模型。方程中有很多系数,显然是与及肌肉参数有关的,作者恰恰没有写出系数与参数的关系,这就使人怀疑这个模型是不是推导出来的。即使是,这样的模型只 是通式,没有用处二、论文的标题论文的标题有画龙点睛的作用。标题应该与文章的内容非常贴切。这一点往往不被注意。有的标题过大;有的又过于局限。有一篇文章的标题是 “服务机器人仿人手臂运动学研究”,内容是作者在研制一种服务机器人时对一种七自由度手臂运动学所做的分析。“仿人”并不重要,重要的是作者提出了这种冗余自由度手臂逆运动学的一种解法,这样的解法并不只能用于服务机器人。如果把标题改为“七自由度仿人手臂逆运动学的一种解法”,则既有学术意义,又兼顾了作者的研究项目。还有一篇论文的题目是“登月机器人关节润滑技术的研究”,内容是一种固体润滑膜的制备和特性。论文的题目太大,而且,如果题目中就明确提出登月机器人,就需要有在模拟月球超低真空、超低温、强粉尘环境中的实验,目前尚无条件。如果将题目改为 “mos2基固体润滑膜制备方法及特性的研究”,既缩小了范围,又避开了尚不能进行的实验。还有些论文题目本身就有问题,例如,有一篇博士学位论文题目是 “仿人机器人的动态行走控制”,行走有静态的吗?肯定没有,连原地踏步都是动态的。这样的标题岂不让人笑话?三、摘要摘要是对文章内容的概括。摘要应写得简练,只需说明写论文的目的、所用的方法及取得的结果即可。写得不好的摘要中常常有一些没用的话。例如,“随着机器人技术的发展,应用领域更加广阔,某问题成为研究的热点”,之类的话就没有用。四、引言论文引言的作用是开宗明义提出本文要解决的问题。引言应开门见山、简明扼要。有的写机器人的文章,一开始写捷克一作家写的戏剧中一个机器奴隶叫 robota,美国1950年制造了第一台工业机器人,这就绕了太大的圈子,有点“言必称希腊”。很多论文在引言中简要叙述前人在这方面所做过的工作,这是必要的。特别是那些对前人的方法提出改进的文章更有必要。应该注意的是,对前人工作的概括不要断章取义,如果有意歪曲别人的意思而突出自己方法的优点就更不可取了。在一篇论文中,对前人工作的概括应尽可能放在引言中。在正文中,如非很必要,就不要再有这类段落了。文献的引述要正确。你的文章里引用了某些文献,别人的文章也可能引用你的文章。如果引用时不注意正确性,就可能以讹传讹。有一篇谈遥操作的文章引用了美国《自然》杂志的文章,提到在相距 7000km的两地进行遥操作,从操作端发出操作命令到执行端反馈回信息只用了150μs。这是完全不可能的。即使电波直线传播,至少也需要 67ms。后来查明是作者引用时单位写错了。如果文章发表了,以《自然》杂志的权威性及这篇文章作者的影响力,这个错误的数据肯定还会接着被引用。一些论文也开始引用互联网上的文献和消息。网上文献的可信度要好一些;由于各种各样的原因,消息的可*性不高。我们曾用装甲车为某试验基地研制了一台遥控靶车,在《兵器知识》上曾有过报道。由于某些内容不便公开,对文章做了一些技术处理。这个消息到了网上却变成了“我国研制成功遥控装甲车”,“蚂蚁”成了 “大象”。所以,如果要引用网上的消息,一定要通过其它渠道对消息进行核实。不少论文在引言中还说明了文章的结构,虽然话不多,但并非很必要。对于学位论文,因篇幅大,在绪论中交代一下整个论文的结构是应该的。在刊物上发表的文章就没有这个必要。五、实验验证论文中的实验的目的是验证论文提出的理论或方法的正确性、可行性和有效性。有一个阶段我不太同意把仿真叫做实验,但随着仿真技术的进步,至少它可以成为一种验证的手段。理论的正确性并非总是要用实验来验证的。那些用公认的定理证明的新定理就不需要验证。方法可行性的验证相对简单一些,实验只要说明所用的方法解决了问题即可。方法(特别是算法)有效性的验证在很多论文里做得不好。所谓有效性,应该是比别的方法更快或更简单地解决了问题,或是计算复杂性低,或是计算速度更高,或是占用的内存小。要说明有效性,一是要有比较,不能“老王卖瓜”;二是要有相应的数据。从这个意义上来说,论文中的实验往往是一种为说明问题而专门设计的实验。实验的设计是非常重要的。要说明某一因素的作用,就要设法将它孤立起来。我曾连续审了四篇关于构建机器人仿真球队的论文。这四篇论文除了叙述性的内容偏多以外,写得还是不错的。文章的内容涉及个人技巧、决策机制及整体协调,并不重复。而且,球队两次参加了机器人足球世界杯仿真组的比赛,都取得亚军的好成绩。这就是说,在构建球队时代所采取的技术措施还是有成效的。但是,这四篇文章都用参赛对阵的得分来说明技术措施的有效性,这是不合适的。因为,足球赛的成绩只是一种排名,只说明参赛队实力的相对强弱。如果对手的实力太低,即使己方取得冠军,也不能有效地说明自己所采取的措施是正确的。而且,如前所述,一个队能否取得胜利与个人技巧、决策能力、整体协调等多种因素有关,取得较好成绩倒底是哪个因素起了作用往往是说不清楚的。作者在最近的两篇文章中用了相同的比赛结果来说明不相同的技术措施的作用,显然也是没有说服力的。如果对同一对手以采取论文中的措施和不采用这种措施进行两次比赛,则比赛的结果就能较好地说明这种措施的作用。有不少论文由于各种原因不能用严格的理论证明方法的正确性和有效性,也暂时做不了实验,于是就用仿真的方法来说明。这时应注意的是,尽管文章中只能给出个别的仿真实例,但做仿真时应该尽可能对各种可能发生的情况多做一些实例,因为,用一、两个实例的仿真结果说明的结论很可能被另一个实例推翻。有一篇论文要在相互距离已知的几个点中寻找一条最短的遍历路径,论文的篇幅很长,所用的方法兜了不少圈子,方法倒也对,但没有证明。最后用了一个实例做仿真。我在审稿时写了一个更简单的方法,与论文方法所得的结果一致。这样一来,这篇文章所提出的方法虽然不错,但一点意义也没有了。六、结论结论中出现的问题不太多,不过精彩的结论也不多。由于word等文字处理提供的“复制”、“粘贴”的方便,论文正文、引言、摘要中的一些话也就被拷贝到结论中,还没看到结论就知道结论说什么,这样的结论已经没味了。不过偶尔也碰到“过火”的,正文中根本未涉及的问题在结论中突然冒了出来。比较罕见的情况是,有的论文的结论把文章中的论述部分或全部推翻了。七、文字以前用笔写字的时候,常听人说“字是人的脸面”,意思是说,一手好字会为你增添光彩,看着也舒服。现在,论文上的字都是打印机打出的印刷体,文章是不是通顺就很突出了,也就成为“人的脸面”了。俗话说“文如其人”,如果一篇文章的文字方面的问题太多,念不顺口,作者给人的印象也不会好。送审稿中,比较突出的文字、标点方面的问题有;⑴ 天一句,地一句,想到哪里,说到哪里,语气、语意不连贯。⑵ 语意重复,用词罗嗦,不善运用代词。⑶ “而”、“故”、“然”、“其”之类的虚构词用得别扭。⑷ 技术术语使用不当或生造术语,这是在论文中最不应出现的文字问题。如果某一领域的名词术语已经有了国家标准,虽然这类标准一般是性标准,但也应首先使用标准核定的术语,为的是与别人有“共同语言”。在论文中不应使用俗名,即使这样的名词已被较多的人使用。术语是有内涵的,在制定术语标准时,对收纳的每条术语都有严格的定义。如果在论文中不得不创造一条新的术语,对它的内涵一定要说清楚,要有严格的定义。我对一篇论文中的“轨迹跟踪控制”提出过质疑。表面看来“跟踪控制”还说得过去,细想想,能与“控制” 相连的无非是两类词,一是对象,如“温度控制”、“压力控制、“位置控制”、“力控制”等等;另一是方法,如“pid控制”、“自适应控制”、“模糊控制”等等。“轨迹跟踪控制”是什么?“轨迹跟踪”既不是控制对象,也不是控制方法。实际轨迹对期望轨迹的跟踪正是对运动轨迹进行控制的效果。所以,“轨迹跟踪”和“轨迹控制”都是可用的术语,而“轨迹跟踪控制”则站不住脚。还有,在学术性文章中不应使用“电脑”、“光碟”这类商业化和港台化的名词。⑸ 乱用标点符号。错得最多的是句号,或是长句不断,或是断句不当。最不容易用错的只有问号和感叹号。⑹ 近年来有个很时髦也用得很滥的词“基于”。有时侯翻开一本杂志十有二、三的文章标题有“基于”二字。“基于x”的英文是“x-based”或“based on x”。应该说“基于”一词翻译得还是不错的。“基于规则的系统”比早年译的“规则基系统”、“以规则为基础的系统” 听起来要顺耳一些。问题是要把“基于”用得必要、得当。不是非用不可的地方,大可不必用它来追求文皱皱的味道。而且,既然是“在x的基础上”,x就应该是个可以被当做基础的实实在在的东西。一篇文章用了“基于任务级……”,这个“任务级”就不是实在的东西。还有一个用得不当的词就是“智能”,有些根本没有智能的东西也被带上了这个帽子。其实,解决文字方面的问题并不难。作者在写完文章后只要念一、两遍,大部分文字问题都可以发现。不过,如果作者在口语表达上就有不规范的地方和固癖,这样做的收效不大。八、英文稿的特殊问题英语不是我们的母语,用英语写作论文当然就会出现一些问题。大多数人还不具有用英语思考的能力。在这种情况下,比较好的做法是先写中文稿再译成英语,这样至少能避免直接写英文稿时容易出现的语意不连贯的问题。英文稿中最容易出现的用词问题是:⑴ 按汉语硬译,形成所谓的“中式英语”。虽然不大会看到“good good study, day day up”这类“洋泾浜”,硬译的情况还是常见的。有一篇论文把“车载的”译为“tank-load”,其实,单词“vehicular”的意思就是车载。⑵ 介词的使用不当,用“of”、“to”较多,其它介词用得少。⑶ 代词“this”、“that”用得多,“it”用得少,而后者恰恰在科技文章中用得多。⑷句型单调,喜欢(或不得不)用“to be”构成句子。⑸ 不注意动词的词性。有些动词既可是及物动词也可是不及物动词,应该优先用不及物动词成句,而不要用及物动词的被动语态成句。⑹ 冠词“a”、“the”的使用不当,尤其容易忘记使用定冠词“the”。⑺ 不注意名词的单、复数,不注意主、谓语的人称配合。⑻ 论文中的用词应该比较正式,尽量少用一词多意的词,例如,口语中“get”有“获得”的意思,但论文中最好用“obtain”。⑼ 中西文化的差异常常使英文稿带有“中国特色”。有一篇稿件的作者很谦虚,在文章的结尾分析了所提出的方法的缺点,说在今后的研究中会逐步克服这些缺点。外国人就不会这么说,他们总是向前看,即使看到了缺点,也会说随着研究的深入,这种方法将会有更广阔的应用前景。有些文章的作者介绍中非要在“教授”后面加个“博士导师”,外国人就相象不出不是博士导师的教授是什么样子。九、论文的署名毫无疑问论文的第一作者应该是执笔者。这不仅体现了对他劳动的尊重,而且有对文章的责任。不少文章是在读的研究生写的,导师的名字署在后面,这无可非议。但是,从有些文章可以明显看出,在投稿前导师并没有看过。甚至有的文章已经发表,导师还不知道。这种情况不好。导师即使在成文前参加过意见但成文后不看,这是导师没有负起责任;如果学生在导师不知情的情况下就署上导师的名字投稿,从好的方面理解是对导师的尊重,从不好的方面理解则有“拉大旗作虎皮”之嫌。近来论文署名还有人数增多的趋势,甚至一篇不长的文章署了五、六个人的名字。这种情况在某个项目的总结性文章中比较多见。诚然,项目参与者在研究过程中的主意是很难分清楚的,但是,论文不是工作总结,在写论文时不太可能集中很多人的想法。至于在署名时多写几个人送人情或者写上根本没有参加工作的领导的名字的做法,更是不应提倡的风气。一般来说,投送的稿件至少要经过一次技术性审查,英文稿还有一次文字性审查。这种审查通常是学报或杂志的编辑部聘请同领域的专家进行的。编辑部的责任是统一论文的格式、审查文字、处理审稿意见。审稿人的责任是对论文的创新性和正确性进行审查,审稿意见一般应包括为提高稿件质量而应做的修改的建议。作者对审稿人提出的审查意见首先应很重视,考虑他为什么要提出这些建议。审稿人的意见毕竟是来自一个旁观者的意见,俗话说“旁观者清”,他的意见总有一定道理。有的作者觉得审稿人没有读懂自己的文章(我并不排除有这种可能性),对他的意见也就不认真考虑,这是不对的。审稿人是论文的第一读者,如果他都没有读懂,作者也得考虑自己的文章有什么问题让人家不懂,否则发表后如何面对更多的读者?当然,对审稿意见也要分析。虽然编辑部聘请的审稿人是同领域的专家,但是,隔行如隔山,领域很宽,审稿人可能并不熟悉文章作者所研究的某个具体专题,提出一些并不十分中肯的意见也不奇怪。所以,不一定要完全按照审稿人的意见去做。审稿后,如果要对稿件做修改,一定要实事求是,不能应付审稿人。我给某学报审过一篇关于类刚毛表面减阻效应的论文,一审时我提出了一些问题要求改后再审,作者的态度倒也是谦虚的,承认所提出的问题都有道理,作了一些修改。但是我提出的最关键的问题是对实验的疑问,作者就有点敷衍,将实验结果用与第一稿不同的另一种曲线形式表现出来,而这种曲线明显地是不能由以前的实验结果得出的。我就有了更大的疑问,提出修改后再审。第三稿中,作者又换了一种方式,有了更多的漏洞,后来,这篇稿件再也没有出现过。不少编辑部对审稿采取了双盲制,即审稿人不知道论文的作者是谁;作者也不知道审稿人是谁。不管这种制度的出发点是什么,我认为它把作者和审稿人的交流限制在文字上,有的编辑部甚至只将审稿人的部分意见转述给作者,这样的交流往往是不充分的,很可能成为提高稿件质量的障碍。既然是做学问,就不应该有所顾忌。有的杂志的编辑部似乎不审稿。你刚把稿件发过去,它就来函说拟在某期发表,要寄版面费。这是不负责任的编辑部,应该离远点。说到标题,本文的标题也太大了,不过,本文只是随笔,用这样题目是追求一种引人注意的效果,并不是说,注意了本文所提到的这些事就能写出好论文。打个不十分准确的比方,论文好比一棵树,内容是它的主杆和分支,本文所述的标题、引言、实验、文字等等,或许可以算是一部分叶片,这棵树植根于真才实学的沃土上。要想写好论文,刻苦钻研,增长学识才是关键,论文是用心血浇灌出来的。
不错哦,cscd,还有上升空间,审稿比较快,专家给的意见也很实用,还不要审稿费和版面费。