医疗人工智能的缺点

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇医疗人工智能的缺点范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

医疗人工智能的缺点范文第1篇

Abstract： Since 1956， when Dartmouth institute put forward the AI （Artificial Intelligence）， Artificial Intelligence in the past 50 years has achieved great development. Artificial Intelligence gradually formed with the three factions-symbol school， behaviorism school， connectionism school-led by the situation， each school has its own unique opinion. Based on the unique angle of view， the paper puts forward some opinions on the development of Artificial Intelligence.

关键词： 人工智能；研究现状；发展趋势；社会力量

Key words： Artificial Intelligence；research status；development tendency；social force

中图分类号：TP18 文献标识码：A 文章编号：1006-4311（2013）28-0005-03

0 引言

人工智能是自1956 Dartmouth学会后发展起来的新型学科，其有着涉及学科广、需要技术高端、使用范围广等特点。在过去的50多年时间中人工智能经历了学科发展中都会遇到的发展——否定——否定的否定阶段，现在人工智能大致分成了符号主义学派、行为主义学派、联结主义学派三大学派。其各有优势，独树一帜。一直以来重大前沿科学研究都是以国家牵头，等到时机成熟了再转为民用。这样无形中浪费了很多社会中的人才，比如android智能机的问世，当开发商源代码公布后android智能机获得了飞速的发展。这是社会资源集体作用的结果，人工智能能否通过这种方式获得飞速的发展呢，文中给出了问题的答案。

1 人工智能的现状

1.1 人工智能的发展过程 人工智能是由“人工”与“智能”组成。“人工”十分容易理解，也就是我们常说的人类开发研究出来的事物。“智能”则是十分复杂的一个词汇，是指如由意识（Consciousness）、自我（Self）、思维（Mind）（包括无意识的思维（Unconscious_mind））等等组成的有机集合。通常我们所说的人工智能是指人本身的智能。总体来说人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。关于人工智能的传说一直可以追述到埃及，直到电子计算机的问世才使人们真正具备了发展人工智能的基本技术，而直到1956年的Dartmouth学会之后“人工智能”才逐渐地被大家所熟知接受。人工智能作为一门自然科学、社会科学、技术科学交叉的边沿学科，涉及哲学和数学，认知科学，心理学，神经生理学，计算机科学，控制论，不定性论，信息论，社会结构学，仿生学与科学发展观等众多前沿学科。二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一[1]。

人工智能在其过去的50多年时间里，有了长足的发展，但并不是十分顺利。目前人们大致将人工智能的发展划分成了五个阶段：

第一阶段：萌芽期（1956年之前）

自古以来，人类一直在寻找能够提高工作效率、减轻工作强度的工具。只是受限于当时的科学技术水平，人们只能制作一些简单的物品来满足自身的需求。而人类的历史上却因此留下了很多脍炙人口的传说。传说可以追溯到古埃及时期，人们制造出了可以自己转动的大门，自动涌出的圣泉。我国最早的记载是在公元前900多年，出现了能歌能舞的机器人。这一时期出现了各种大家：法国十七世纪的物理学家、数学家B.Pascal、德国十八世纪数学家、哲学家Leibnitz以及二十世纪的图灵、冯·诺伊曼等。他们为人工智能的发展做出了十分重要的贡献。

第二阶段：第一次期（1956年-1966年）

1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在Dartmouth学会上引发一场历史性事件——人工智能学科的诞生。Dartmouth会议结束后，人工智能进入了一个全新的时代。会议上诞生了几个著名的项目组：Carnegie-RAND协作组、IBM公司工程课题研究组和MIT研究组。在众多科学家的努力下，人工智能取得了喜人的成果：1956年，Newell和Simon等人在定理证明工作中首先取得突破，开启了以计算机程序来模拟人类思维的道路；1960年，McCarthy建立了人工智能程序设计语言LISP。此时出现的大量专家系统直到现在仍然被人使用，人工智能学科在这样的氛围下正在茁壮的成长。

第三阶段：低谷发展期（1967年-八十年代初期）

1967年之后，人工智能在进行进一步的研究发展的时候遇到了很大的阻碍。这一时期没有比上一时期更重要的理论诞生，人们被之前取得的成果冲昏了头脑，低估了人工智能学科的发展难度。一时之间人工智能受到了各种责难，人工智能的发展进入到了瓶颈期。尽管如此，众多的人工智能科学家并没有灰心，在为下一个时期的到来积极的准备着。

第四阶段：第二次期（八十年代中期-九十年代初期）

随着其他学科的发展，第五代计算机的研制成功，人工智能获得了进一步的发展。人工智能开始进入市场，人工智能在市场中的优秀表现使得人们意识到了人工智能的广阔前景。由此人工智能进入到了第二次期，并且进入发展的黄金期。

第五阶段：平稳发展期（九十年代之后）

国际互联网的迅速发展使得人工智能的开发研究由之前的个体人工智能转换为网络环境下的分布式人工智能，之前出现的问题在这一时期得到了极大的解决。Hopfield多层神经网络模型的提出，使人工神经网络研究与应用再度出现了欣欣向荣的景象。人工智能已经渗入到了我们生活的方方面面。

1.2 人工智能的主要学派 人工智能发展的50多年时间里，经历了符号主义学派、行为主义学派和联结主义学派，三大学派各有特点，各自从不同的角度研究人工智能，为人工智能的发展做出了卓越的贡献，在人工智能的发展史上留下了浓重的一笔。

1.2.1 符号主义学派 符号主义学派，又称为逻辑主义、计算机学派或心理学派。符号主义学派理论基础是物理符号系统假设和有限合理性原理，他们认为人类的认知基元是符号，认知的过程是对符号的计算与推理的过程。人与计算机均可以看做物理符号系统，因此人们可以使用计算机来模拟人的行为。符号主义学派认为人的认知基元可以通过计算机上的数学逻辑方法表示，然后通过计算机自身的逻辑运算方法模拟人类所具备的认知系统的机能和功能，进而实现人工智能[2]。

符号主义学派无视了认知基元的本质，对于所有的认知基元均使用数学逻辑方法表示。符号主义学派重点研究认知基元的逻辑表示以及计算机的推理技术，早期的众多人工智能的研究都是在这一思想的推动下进行的。符号主义学派在归结推理、翻译、数学问题证明以及专家系统和知识工程做出了十分巨大的贡献，为后期的人工智能研究打下了基础。专家系统的出现更是将人工智能的研究推上了一个顶峰，其在矿业探究、医疗诊查、教育推广、工业设计的应用带来了巨大的社会效益。

1.2.2 行为主义学派 行为主义又被称作进化主义或控制论学派。行为主义学派认为智能取决于感知和行动，不需要像符号主义学派的逻辑知识以及推理。行为主义学派认为人的本质能力是行为能力、感知能力和维持生命及自我繁殖的能力，智能行为是人与现实世界环境的交互作用体现出来的。人工智能应像人类智能一样通过逐步进化而实现，而与知识的表示和知识的推理无关[3]。行为主义学派的与传统人工智能截然不同的观点吸引了众多的科学家，虽然到现在还没有独立完善的知识理论系统，但其在人工智能领域的独树一帜还是奠定了其霸主地位。该学派重点研究人类的控制行为，目前已有的机器昆虫已经证明了行为主义学派的理论正确性。虽然大部分人认为机器昆虫不能导致高级行为，但是行为主义学派的崛起标志着控制论在人工智能领域有着独树一帜的作用。

1.2.3 联结主义学派 联结主义学派是近年来最热门的一个学派，又被成为仿生学派或心理学派，建立于网络联结基础之上模仿人类大脑的结构和工作模式。联结主义学派主要研究能够进行非程序的，可适应环境变化的，类似人类大脑风格的信息处理方法的本质和能力，是基于神经网络及网络间的连接机制和学习算法的人工智能学派。持这种观点的学者认为，认知的基本元素不是符号是神经细胞（神经元），认知过程是大量神经元的联接，而大脑是一切智能活动的基础，因而从大脑神经元及其连接机制出发进行研究，搞清楚大脑的结构以及它进行信息处理的过程和机理，就有望揭示人类智能的奥秘，从而真正实现人类智能在机器上的模拟。[4]

联结主义学派通过模拟人类神经网络模仿人类的认知行为，由此进行人工智能的学习记忆、模式识别。联结主义学派构建了大量的神经网络模型，方便在不同的情景模式下选择相应的模型，进而快速的得出答案。联结主义学派采用分布式存储数据，对数据进行并行处理，这样使得人工智能在处理问题的时候的速度有了明显的提升，由此联结主义学派在人工智能领域中受到大家的一致热捧。

三大学派在人工智能的发展史上有着举足轻重的作用，每一个学派的兴起都代表人工智能的一个新高峰。三大学派各有优缺点，在人工智能领域三者相辅相成，人工智能学科在三大学派的带领下正在茁壮成长。

2 对人工智能主要理论学派的评述

在过去的50多年时间中，人工智能获得了巨大的发展，基本实现了从无到有的过程，构建了基本完善的理论知识体系，构建了各种模型，形成各种技术方法，但是人工智能的发展依然任重道远，前景依然不容乐观。三大主义学派有着自身独到的优点，同时也有着各自的缺点，符号主义学派将人的认知基元符号用数学逻辑表示，通过计算机逻辑处理系统分析得出结果，但是在面对没有明确结果的非确定问题时经常不能得出令人满意的答案，它对信息要求十分精确完整，现实生活中的很多问题都不能满足条件，因此符号主义学派的发展受到了一定的限制。行为主义学派认为智能取决于感知与行动，但是缺乏足够的理论知识支撑学派观点，而且缺乏足够的成果表明理论的正确性。学派认为人工智能与知识的表达和知识推理无关，与人类认知的发展是不相符的。联结主义学派采用仿生学的方法，模拟人脑的神经网络，通过类似人脑的结构和运行机制模仿人类智能。这一观点十分有吸引力，在提出之后马上就有大量的支持者，但是人脑神经系统的复杂性远远超出人们的预知，现阶段人们对人脑的构造以及运行机制还没有深入的理解，在此基础上想模拟出人脑的神经系统显然是有些不不切实际。联结主义学派的发展更多的受制于对人脑结构和运行机制的研究，因此其发展相对缓慢。综上，三大学派固然有着自身的优势，各自的成果，但是其同样有着明显的局限性，人工智能要想进一步发展必须要对现有的发展方式进行创新。

另一方面，人工智能在经历了两次期后再次回落到了平稳发展时期，社会公众对人工智能的热度有了明显的降温。人工智能的研究再次变成了国家以及一些超级公司的工作，拥有的资源有了大幅度的缩水，研究的进度也受到干扰。在此状态下没有重大的技术创新，人工智能恐怕很难再有重大的突破。

3 对人工智能发展的评述

3.1 对人工智能涵义的认识 同样的词汇在不同时期的有着不同的解释，人工智能也不例外，大家都认可的人工智能是指在人类制造的机器工具上实现人类智能，即实现人类的认知能力、行为能力以及解决问题的能力。人类智能有着一个明确的特点，在面对未知问题时，人类智能能够得出自身想要的答案，也就是消除答案的不确定性。符号主义学派的逻辑解决方式、行为主义学派模拟人的行为能力、联结主义学派的神经网络，三大主义学派各自以自身的方式实现了对问题消除或减弱不确定性。可见减弱甚至消除问题的不确定性也将是人工智能的一个研究方向。

3.2 人工智能研究模式的发展 目前人工智能领域中，符号主义学派通过数学逻辑表示人类的认知基元，对数学逻辑经过解读分析，得到答案，进而实现智能。该学派重点运用还原思想，将人类的认知基元全部使用数学逻辑表示。行为主义学派认为人工智能取决于感知和行动，不需要学习知识与知识推理，是一步步，由低级到高级慢慢进化的。联结主义学派是通过人工神经网络的形式模仿人类智能，理论上讲该方法是最符合人类智能的运行方式的。而在一系统中，最重要的是系统的运行机制，如何将接受到的信息转化为我们的知识并通过表述、行为展示出来，在了解了人类智能的运行机制之后，人工智能将会更加符合人们的需求。

3.3 人工智能研究方法的发展 人工智能的目的是消除答案的不确定性，然后做出相应的反应。在消除答案不确定性的时候便有了各种方法，其中有一种便是突出解决问题的目标，在有明确目标的前提下会削弱干扰问题解决的条件，提高人工智能解决问题的效率。明确问题的目标便需要引入目标函数，在动态目标函数的引导下会减弱答案的不确定性。而在已有的人工智能基础上设立人工智能模型，通过人工智能自身的计算结果结合目前的研究成果去优化目前的人工智能系统，则会提升人工智能的发展速度。

3.4 人工智能时期的发展 人工智能自发展到现在已经经历了五个时期，在两次期中人工智能均获得了迅速的发展。然而现在人工智能的发展步入到了缓慢发展时期，如何将人工智能的发展缓慢时期加速度过同样是十分严肃的问题，传统说来需要重大的科学进步。我们往往认为人工智能属于顶端科技只能由国家和超级公司研究，却忽略了社会所拥有的重大的力量。小小的android智能手机在问世的短短时间内变改变了之前的市场格局，其中固然有着android智能手机的特点，但是我想他的市场策略同样给与了莫大的助力。人工智能应该向android一样，适当的开放出来一部分根基，放开其研究门槛，甚至鼓励民间研究。量变引发质变，当有足够专家在研究人工智能时，人工智能的研究会加快的。而且民间的研究成果也会作为经验反作用于人工智能的进一步研究，实现科学与社会的双赢。

4 结论

人工智能是人们长久以来的梦想，同时也是一门很有挑战性的学科。像所有的学科一样，人工智能会经历各种各样的挫折，但是，只要我们有信心、有毅力，我们相信人工智能终将会成为现实，融入到我们生活的方方面面，为我们的生活带来极大的改变。

参考文献：

[1]朱祝武.人工智能发展综述[J].中国西部科技，2011，10（17）：8-10.

[2]陈庆霞.人工智能研究纲领的发展历程和前景[J].科技信息，2008，20（33）：49，234.

医疗人工智能的缺点范文第2篇

制造云大数据

众所周知，人类社会正面临着一场新的技术革命和新的产业变革。那么我们认为互联网+人工智能的时代正在到来。怎么解读人工智能？首先，网络是一个泛在的互联网，包括魍车幕チ网和互联网+人工智能，其核心技术是七类技术深度融合，包括新互联网技术、新一代信息技术、新人工智能技术、新能源技术、新材料技术、新生物技术以及新应用领域专业技术。互联网时代特征总结为泛在互联、数据驱动，共享服务，跨界融合，自主智慧和万众创新。

当然，制造业作为国民经济、国计民生和国家安全的重要基石，正面临全球新技术革命和产业变革的挑战，特别是新一代信息通信技术，核心就是要发展智能制造技术产业和应用。对我国来说面临的五大挑战是：第一要从技术跟随到创新以及到超越，第二要从传统制造向数字化、网络化、智能化转变，第三从粗放型制造向质量效益性转变，第四从资源消耗到绿色制造转型，最后要由生产型制造到生产+服务型制造转变。

其核心问题就是要贯彻创新协调绿色开放共享发展理念，要走中国特色的工业化道路，以创新发展为主题，以制造业提高质量增加效益为中心，特别强化两化融合，而且要推进智能制造主攻方向。

云制造的概念首先是基于泛在网络，其次是借助新兴大制造技术、信息通信技术、智能科学技术及制造应用领域四类技术深度融合。数字化、网络化、智能化作为技术手段，构成一个以用户为中心的统一经营的智慧硬软资源和能力的服务云。这实际上就是人、机、物互联服务，或者是现在提出的工业互联网的概念。

用户通过智慧终端和智慧云制造服务平台能随时随地按照需要获取智慧制造的资源和能力，要对整个全系统全生命周期产业链里面的人机物信息技术自主的智慧的感知，互联协同分析认知和决策控制与执行，促进制造全系统及全生命周期活动中的人组织、经营管理、技术设备三要素及信息流、物流、资金流、知识流、服务流集成优化，形成一种基于法在网络、用户为中心、人机物信息融合。

智慧云模式是什么，手段是什么，业态是什么，特征是什么，实施内容是什么，以及目标是什么都值得探讨。

我们把它叫智慧，因为强调三种深度融合：人物与环境信息深度融合，数字化、网络化智能化的深度融合，工业化和信息化的深度融合。同时，很重要的基于大数据的并行、协同、实时、互联、智能的进行创新。根据这样一个理念所构成的系统，我们把它叫做智慧云制造系统或者简单说智慧制造云。概念模型包含几大部分内容，一是制造资源的能力和资源，这里面包括软的、硬的，包括能力和智能互联产品；二是制造云池；三是制造全生命周期的智慧云。其核心支持就是智慧云制造的平台。

综上，智慧制造云是一种互联网+人工智能时代的模式手段。制造模式是以用户为中心的互联服务协同个性柔性社会化智能制造产品以及服务用户的模式，它的手段就是四类技术深度融合的数字化网络化作为技术手段，构成一个智慧化的人机物环境信息互联系统，体现数字化、物联化、虚拟化、协同化、定制化、柔性化和社会化的产品。

那么智慧制造云、工业云里面的大数据实际上是全系统全生命周期里面的三要素、五个流里不断产生的四个大数据，包含制造全生命周期里面的各种数据，有企业经营管理的数据，有技术产品设备的数据。有结构化、半结构化和非结构化数据，有静态数据、动态数据和实时数据。

智慧制造云大数据的特点，除了四个云以外，和大量、高速、多样、价值以外，还加上了多元符合模态、数据类型异构等。其作用简单来说能精准高效智能地用到全生命周期的活动，促进云制造的智慧化，目标实现产业研制、管理服务效率质量成本能耗，实现产品加服务为主导的随时随地的按需个性化指导。

目前，大数据在感知基础上，有六类大数据关键技术，关键技术在制造云里有新的需求。首先大数据的集成与清洗，就是把不同来源、格式、特点性质的数据及数据源在逻辑上或物理上有机地接入平台并进行新审查和教研，得到干净、一致的数据。第二技术就是大数据存储和管理，采用云存储和分布式存储技术及高吞吐量数据库技术与非结构化数据访问技术，实现运输集中的数据经济、高效、高可靠、容错的管理与服务。第三大数据分析挖掘，从这些海量的随机的数据中要找出有价值的东西，比如说现在分布式计算引擎，数据分析机器学习等，对我们制造云要以应用目标为导向，导出相应算法软件。同时需要建立云制造应用系统定量分析的人工智能分析模型，数据不是直接用的，是通过模型来的。可视化，各种各样数据可视化而且能应用，比如多维数据分析，虚拟现实等，对目前综合处理显示多维数据以及交互需求是非常重要的。其次是大数据的标准和质量，对智慧云多类型标准需求不限，而且交易和交互要作为一个导向。最后就是安全，全生命周期里面要安全，像隐私保护、数据水印以及区块链技术等。

大数据的云化

第三个问题就是大数据云化。直接把大数据迁入模型软件，第二是直接提供DAAS，第三个就是风险，最后一个就是大数据的可视化，基于大数据可视化技术实现智慧制造云里面的风险和显示。

云里面大数据怎么用也值得探讨。第一类是航天产品电缆数据化设计，也就是说把电缆有关的经验数据和综合分析性能数据收集过来，放到电缆数据工程里面，实现了电缆数据化生产的一体化，产生效果后有60%以上研制时间开展产品质量提升。第二类是医药，利用现在制造云里面官方电子病例、医疗等信息系统提取海量临床数据，挖掘药物效用及治疗方法，从而为医药研发提供参考。第三类是航天制造和生产比如博世、力士乐等智能生产。第四类就是维修，比如C919健康管理，需要实时检测大数据中心。根据上面的情况，智慧制造云在大数据当中是很重要的。

最后提点建议。首先当然是大数据已经成为智慧制造云建设和运行的重要资源，如果没有大数据、没有云、没有人工智能，那最后肯定是做不到智慧化制造。而研究实践需要从技术、应用、产业三方面来协调，进行各个层次的技术创新和人才培养。

从技术应用和产业方面，概括性地提几点想法：第一，从技术上要做到重视大数据、信息通信技术、人工智能技术、系统工程技术与制造领域等多种技术的深度融合。要搞大数据，必须要做到这几个技术的深度融合，这是我们的一个观点。第二，离不开云，因此要对面向用户大数据的云服务技术进行研究。第三，要重视基于大数据制造全生命周期里面的新模式、流程、手段的研究。最后，要进行符合共享经济商业模式的技术研究，当然还有安全和相应标准的制定与评估。

从应用角度来看，要“四个突出”。第一要以突出制造特色和行业特点来开展；第二要突出问题导向，问题在哪，竞争力缺点就在哪；第三要突出大数据驱动的智慧云制造管理运行模式、手段和业态的变革；第四要突出三要素与五流的综合集成化、优化和智慧化。

医疗人工智能的缺点范文第3篇

【关键词】气体识别;自组织神经网络

1.引言

气体识别在环境保护、化工控制、家用报警、食品保鲜、温室环境控制、航空航天等领域有着广泛的应用。应用气体传感器进行多组份气体的定性定量研究，可以极大的降低测量成本，减小测量周期，并可实现在线的实时测量。但由于当前气体传感器普遍存在着交叉敏感和选择性差等缺点，使用单一传感器很难实现多组份气体的检测分析。为解决以上问题，一方面可以采用新材料、新工艺来改善传感器本身的性能;另一方面可以将现有的气体传感器构成阵列，并与自组织神经网络技术相结合。本文采用后者的原理，即通过多个敏感程度不同的气体传感器组成传感器阵列，结合神经网络模式识别算法进行气体识别分析。

人工神经网络（Artificial Neuron Networks，ANN）人工神经网络（Artificial Neutral Networks，ANN）是一个由大量简单处理单元广泛连

接而成的复合网络系统。神经元结构是受到生物神经元的启发而得来的。目前应用的神经网络类型有很多，其中应用最广的是BP神经网络，神经网络需要学习的过程，即利用外部条件作用于神经网络，使其能重新对外界做出反应。将气体传感器阵列与采用BP算法进行训练的人工神经网络模式识别技术相结合形成的气体识别系统，是利用传感器阵列对混合气体的高维响应模式来实现对混合气体的定量检测。其中传感器阵列的选取、传感器信号的预处理方法、BP神经网络的结构和参数以及测量环境是影响系统性能的可能因素。

2.人工嗅觉系统

人工嗅觉系统是一种化学分析系统，它由一个具有部分专一性的电子化学传感器阵列和一个合适的模式识别系统组成。由于人工嗅觉系统主要模仿的是生物的嗅觉系统，所以人工嗅觉系统也可被称为“电子鼻”或者电子嗅觉系统。

2.1 电子鼻简介

电子鼻这个术语开始出现于二十世纪八十年代晚期，当时它被用于1987年的一个学术会议。较为科学的电子鼻的概念出现于1994年英国Warwick大学的J.W.Gardner发表的文章中，并且J.W.Gardner综述了世界各国人工嗅觉系统的发展概况。

电子鼻模仿人的鼻子的功能，以电讯号的方式予以表达，可以工作在恶劣或有毒的环境下，在食品、化工、环保、医疗诊断、检验等方面有很重要的应用，其关键技术就是气体传感器阵列。

2.2 人工嗅觉系统的原理及基本组成部分

人工嗅觉系统主要是受生物的嗅觉系统启发和影响，以下是该系统中的关键因素：

（1）对微量、痕量气体分子瞬时敏感的监测器，以得到与气体化学成分相对应的信号;

（2）对检测到的信号进行识别与分类的数据处理器，将有用的信号与噪声加以分离;

（3）将测量数据转换为感官评定指标的智能解释器，得到合理的感官结果。

2.3 气体传感器

气体传感器是一种将气体的成分、浓度等信息转换为可以被人员、仪器仪表、计算机等利用的信息的装置。

2.3.1 半导体气体传感器

半导体气体传感器在气体传感器中约占60%，根据其机理分为电导型和非电导型，电导型中又分为表面型和容积控制性。

2.3.2 表面敏感型传感器元件

表面敏感型传感器元件SnO2-Pd、ZnO-PT、AgO、Pt-SnO2，可检测气体为CO、NO2和氟利昂等，传感材料Pt-SnO2的气体传感器可检测气体为可燃性气体如H2、CO、CH4等。

2.3.3 容积控制型传感材料

容积控制型传感材料有TiO2、CoO-MgO-SnO2等，其半导体气体传感器可检测气体为液化石油气、酒精和燃烧炉气尾气等。

3.神经网络

人工神经网络（Artificial Neuron Networks，ANN）是近年来人工智能的一个重要科学分支。二十世纪五十年代末人工神经网络系统开始作为人工智能的一种重要计算工具逐渐受到重视。进入二十世纪八十年代后期，人工神经网络的研究进入了一个新的。主要原因是：一方面经过几十年迅速发展起来的以逻辑符号处理为主的人工智能理论和冯-诺依曼计算机在处理诸如视觉、听觉、形象思维和联想记忆等智能信息问题时遇到挫折;另一方面，具有并行分布处理模式的人工神经网络本身的研究取得了巨大的进展。

神经网络具有一些不同于其它计算方法的性质和特点以及它自身是基于人类大脑结构和功能而建立起来的，因此具有很多和人类智能类似的特点。首先，神经网络将信息存储在大量的神经元中，具有内在的知识索引功能。信息在网络中使用两种方式被保留：一种是神经元之间的连接，另一种是连接权重因子。其次，人工神经网络具有对周围环境自学习、自适应功能，也可用于处理带噪声的、不完整的数据集。在人工神经网络中，输入与输出的关系不是由单独的神经元直接负责的，相反是与神经元的输入输出有关。最后，人工神经网络模拟人类的学习过程。人类大多数的学习和求解过程都是采用尝试法，而人工神经网络可以以相同的方式运行。

神经元（neuron）即神经网络中的基本处理单元，也就是节点。一般节点由输入与输出、权重因子、内部阀值和函数形式四部分组成。

图1 神经元模型

图1给出了一个基本的神经元模型，它具有R个输入，每个输入都通过一个适当的权值wli和下一层相连，网络输出可表示为：

式中，n为该神经元（序号l）的总输入;

f（n）为神经元输入输出关系的函数，称为作用函数、响应函数或传递函数。

人工神经网络的拓扑结构是指它的处理单元是如何相互连接的，主要由输入层、隐含层和输出层组成。每一节点的输出被送到下一层的所有节点。通过将这些处理单元组成层，将其相互连接起来，并对连接进行加权，从而形成神经网络的拓扑结构，将若干个人工神经元作为有向图的节点，可连接成人工神经网络。其中每一层对于人工神经网络的成功都非常关键。可以将人工神经网络输入层、隐含层和输出层看成为一个通过输入层的所有节点输入特定信息的黑箱。人工神经网络通过节点之间的相互连接关系来处理这些信息，最后从输出层的节点给出最终结果。

4.误差反向传播网络（BP网络）

1985年，以Rumelhart和McClelland为首提出了至今仍广泛接受和使用的误差反向传播学习算法。按照这一算法进行训练的多层神经网络被直接称为BP神经网络。BP网络是一种多层前馈型神经网络，其神经元的传递函数是S型函数，输出量为0到1之间的连续量，它可以实现从输入到输出的任意非线性映射。其权值的调整采用反馈传播学习算法。

目前，在人工神经网络的实际应用中，绝大部分的神经网络模型都采用BP网络及其变化形式。BP网络主要用于以下四方面：

（1）函数逼近：用输入矢量和相应的输出矢量训练一个网络以逼近一个函数;

（2）模式识别：用一个特定的输出矢量将它与输入矢量联系起来;

（3）分类：把输入矢量所定义的合适方式进行分类;

（4）数据压缩：减少输出矢量维数以便于传输和存储。

对于神经网络算法，使用基于误差反向传递的神经网络算法设第p个模式XP=（X1P，X1P，…XNP，）T，p=1，2，…，N（N为模式个数），将其视为BP网络的输入，yip为其实际输出，隐含层和输出层各单元的激活函数采用sigmoid函数，即：

一般基于BP的神经网络算法具体步骤如下：

Step1、构造网络，初始化网络的权矩阵，设置学习因子，动态因子，跌代次数和允许误差;

Step2、从一个网络开始，提供训练模式;

Step3、开始训练第k个网络;

Step4、前向传播过程，对所有训练模式，计算网络的实际输出并与目标输出相比较，如果误差超过运行误差，则进行下一步，否则训练第k+1个网络;

Step5、反向传播过程：计算隐含层和输出层各单元的误差精度，修正权值和阀值：

式中，为学习效率;

di为教师信号或希望输出;

为实际输出yi与希望输出di之差，其中yi和xj是取1或0的离散值。

Step6、继续训练第k个网络。

BP网络的训练函数有traingd、traingdm、traingdx、trainrp、traincgf、traincgp等。由于BP网络的简单性，在人工嗅觉系统的模式识别部分占有很大的比例，许多以前和现在的一些成熟人工嗅觉系统的产品仍然使用BP神经网络进行模式识别。

BP网络的学习是通过求解一个优化问题完成的，从数学的角度看，它是通过函数逼近拟合曲面（线）的想法，并且将其转化为一个非线性优化问题而求解。BP网络是对简单的非线性函数进行复合，经过多次复合后，则可以实现复杂的函数，但存在BP学习算法收敛速度慢、不完备性和隐节点数只能凭经验选取。

由于存在上述问题，科学家们从利用线性的自适应步长加速BP算法和增加动量项来去除收敛过程中的局部最小点。模拟退火（Simulated Annealing，简称SA）思想是由Metopolis等人提出的，它可以很好的避免局部最小点的出现，把它用在优化中是由Kirkpatrick等人提出的。组合优化问题的解空间中的每一个点都代表一个解。不同的解有着不同的目标函数值。优化过程就是在解空间中寻找目标函数的最小解。

SA算法的特点是通用性强、可达到全局最小。传统的启发式搜索算法如快速下降法，每次都是向改进解的方向搜索，往往只能找到一个局部最优解，而不是全局最优解。而SA算法在系统朝能量减少这个总趋势的过程中，允许解的搜索以一定的概率向较差的方向走，以避开局部最小，而最终稳定到全局能量最小的状态。

5.利用自组织神经网络进行气体识别

将被测气体按所需测量精度和浓度范围按成份分成不同的浓度等级，采用标准气体配置这些等级的不同成份气体的所有组合作为标准模态来训练神经网络。通过识别某一未知气体样本的模式，即可以得到未知气体的成份浓度。例如，选用N种互相参比配制混合气体样本。根据传感器的灵敏范围，将配制的气体浓度限制在a1到am以内，浓度变化间隔为l。这样每种气体有m种浓度模式，共计可得到mN个样本。采用这些样本作为原始数据训练自组织神经网络，就可以实现在这一浓度范围内的最大误差为l的气体定量测量。

医疗人工智能的缺点范文第4篇

关键词：生物活性物质；正交试验设计；Levenberg-Marquardt算法；预测

中图分类号：TP301 文献标识码：A 文章编号：1009-3044（2012）32-7802-05

生物活性物质是指对人类高级生命活动具有调节功能的生理活性成分。在枸杞、柑橘等果实中富含黄酮、多糖等多种生物活性物质[1，　2]。其中，枸杞总黄酮具有清除自由基、抗氧化、抗突变、抗肿瘤、抗菌、抗病毒和调节免疫、防治血管硬化、降血糖等功能[3]；柑橘果皮中类黄酮类物质具有抗肿瘤以及保护心脑血管等多种保健和医疗功能[4]。通过发酵法酿制的枸杞、柑橘果酒因为风味好、能保留较多活性物质而深受人们青睐。受发酵温度、糖添加量、酵母添加量及pH　值等因素影响，果酒中生物活性物质的最终含量波动性很大[5]，如何有效地掌握活性物质波动的内在规律，正确地预测出活性物质的变化趋势，对于果酒的发酵过程优化，进一步提高果酒的营养和保健价值具有重要的指导意义。

医疗人工智能的缺点范文第5篇

关键词：自动化药房；发展趋势；解决方法

1 药房自动化的优势

1.1提升医院的经济效益，自动化药房在带来医院效益的同时，也改变了医院的经营管理模式。运用成熟的计算机技术、自动化技术，建立医院的综合'大药房'。节约了门诊药房、住院药房的开支，工作效率却大大提高。

1.2省时、准确，药房工作人员只需要提前把药品储备在机器内，收到处方后，扫描处方，自动化设备会以最优化的排列用自动化方式供给出药。日过配置全自动进药机，可以实现自动完成多品种大量药品的发药工作。

1.3药品数量管理精确，由于进药数目一定，对药品各个流通环节加强经济性管理，控制药品成本投入，减少药品耗损，实现精确的药品数量管理。

1.4克服了传统药房存在的不足

1.4.1传统药房 传统的药房是药品的集散重地，药品的存放条件、方式直接影响着药品的质量，而这又关系着患者的身心健康，药品的保管一直是门诊药房的一大重症[2]。以往的温湿度调节都是人工控制，保证通风、分类摆放保证药品的质量。

1.4.2自动化药房 医院药房摆药设备的自动化在确保药品质量的基础上，提高了工作效率，节省了人力，其成熟可靠的技术性能充分体现了科学、智能、高效、准确、低污染、安全的特点，是现代化药房发展的必然趋势。

2 医院药房自动化的描述

2.1想必医院药房的药架大家都略知一二，传统的这种药架是我国医院目前最常见的陈列，传统的药房基本上肩负着药品购进、养护、保管及调配工作，基本是绕着'药品'进行着被动的管理。随着医疗制度的改革和'一切以患者为中心'的服务理念'渐入人心，门诊药房作为和患者沟通的直接窗口，不能只进行简单的收方发药，而是要打破传统，利用自己的知识走向患者，向他们普及医药方面的常识。在药房有限的医务人员中还要去为患者提供咨询，而且药房的工作效率还要正常进行，这就要求我们的药房有所改变，一些药房自动化的研发的机构也应运而生，如苏州的艾隆科技[1]。药房自动化不仅是某个医院一个局部的稍微改变的星星之火，它已有燎原之势，也必然是医院未来发展的一个趋势。

2.2总的来说，自动化药房必须满足以下三个基本功能：发药：自动化药房必须按照电子处方要求准确发放药品到患者手中；储药：自动化药房必须能够储存和管理一定数量的盒装药品，确保发药高峰期药品供给；上药：自动化药房必须能够自动或者半自动把药盒放在确定的药品储位上。

2.3医院药房自动化是医院药房现代化建设中的关键环节，利用先进的自动化技术对药品的管理、发放进行的全自动控制，从而实现药品发放的零差错、提高工作效率、完成对药品的数据管理。

2.4医院药房自动化在国际上已经是一项熟练的技术，但在我国目前还处于起步阶段。这项技术通过人工智能和机传输手段可以极大地提高药品在零售终端储运的效率，减少差错率。

3 我国自动化药房存在的问题

3.1自动化药房存在数量少 在我国，自动化药房还不普遍。各个省市、县、乡镇医院仍处于传统模式状态。

3.2自动化药房技术不成熟药品储备数量少。在苏大附一院，使用的机器是半自动的，每个格子里存放的药品数量少，一个上午下来就必须加药，以维持下午患者取药的需要。药品传送速度慢。虽然药品经过扫描处方可以自动出来，但速度不太理想。往往是人在等药出来而不是药等人。另一部分还要人工去调配，降低了药房的工作效率。

3.3存在问题的原因分析 我国药房现代化建设起步晚，各个医院的经济实力也各不相同，规模大、经济实力强的医院可以引进先进的技术，率先实现医院现代化、自动化；实力一般的医院只能在大医院实验成功了，市场上该技术运用成熟了，才开始改革，否则承担的风险会让它们承担不了药房自动化技术需要我们来用心琢磨，药品传送速度慢，就必须找原因，对症下药。

4 推动医院药房自动化普及和如何克服存在的问题

4.1基于医药改革的大环境和医院的现状，在充分了解自动化药房的优势下，巨大的投入成本限制了推广的力度。目前，我市几家医院已完成了药房自动化改造，例如无锡人民医院、无锡101医院和无锡第九人民医院。

4.2任何新技术的运用都离不开人的主观能动性，在药房自动化改造上也如是。充分整合手工调剂与自动化药房间的互动，积极探索新设备的最大资源优势，通过制度建设来保障药品的质量安全是实现人驾驭设备的必由之路。

4.3①应该提高医院药房人员的计算机水平和操作能力，②医院药房人员还要注意使用机器后的维护和养护从而克服自动化药房存在的一些缺点。

5 结语

医院门诊药房自动化的优势日渐体现，它弥补了传统药房审方不严格、配药速度慢等重症，备受医疗界的青睐，在政府宣传推广下，正逐步走向各医疗机构。它的发展必将成为各医院的首选。

参考文献：