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篇人工智能和神经网络的关系范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。
1、指代不同。人工智能: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;神经网络:是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。
2、方法不同。人工智能:企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等;神经网络:依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。
3、目的不同。人工智能:主要目标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;神经网络:具有初步的自适应与自组织能力。在学习或训练过程中改变突触权重值,以适应周围环境的要求。同一网络因学习方式及内容不同可具有不同的功能。
以上就是小编给大家分享的人工智能与神经网络之间区别,相信大家通过阅读完以上文章后对此有了一定的了解,希望能帮到大家。
(来源:文章屋网 )
【关键词】电子工程 机械工程 人工智能
电子机械工程产业对于传统的机械产业来说是一个新型的产业,随着国内的不断发展,两种产业逐渐融合,随着人工智能技术水平的不断提升,机械电子工程由信息链接逐渐代替了以前的能量链接和动能链接,使机械电子工程增加了部分人工智能技术。随着机械电子技术的更新和发展,人工智能技术也得到了很快的发展。
一、 什么是人工智能技术
所谓的人工智能是一门极富有挑战性的学科,从事人工智能学科的人必须要熟练计算机、哲学及心理学的应用,人工智能包含的科学范围是十分广泛的,它由不同的领域所组成,如机器技术,计算机应用等等,总体来说,人工智能所研究的主要目的就是为了使机械能够胜任一些需要人类智能才可以完成的工作。不同的年代对于不同工作的复杂程度理解是不同的,
本来复杂的科学和计算本应是用人的大脑来计算的,经过现代的发展,如今的计算机不仅可以完成这些计算,并且比人脑的计算速度要快几万倍,并且准确度相当高,由此可见,复杂工作的定义是随着时代的变化而变化的。人工智能这门科学也随着科技的不断变化而产生了改变,一方面不断地获取着新的进展,另一方面又向更加有难度的目标奋进。除此之外,人工智能技术还涉及信息论、自动化技术、控制论、仿生论、生物论、心理学、数学、哲学、语言学、医学等诸多学科。
二、 人工智能技术与电子机械之间应用的关系
我们社会发展的最初时候,人类社会发展的重要根源是物质和信息,当时各个方面的生产力水平还很低下,人类的生存主要以物质基础为主,那时的信息传递的方式还是最原始的“结绳记事”法。随着我国经济建设的不断发展,使生产力水平也不断提高。信息传递的重要性也随着我们思想观念的转变而变得尤为重要,因而,文字信息传递法由然而生。随着时代的发展,网络信息传递方式已经被广泛地应用于全国各地,给信息传递带来了新的革命,从此人类进入到了一个全新的信息化时代。信息化时代不能脱离人工智能技术发展,不管是任何行业,不管是控制技术或是模型建成、故障诊断或是故障报警,都离不开人工智能化技术的辅助,也可以说,人工智能化技术对于电子机械工程的发展与运作,起着不可忽视的作用。
电子机械系统本身就存在着不稳定的成分,于是电子机械输入系统和输出系统的描述就显得比较困难。而其传统的电子机械描述系统分为:推导数学方程的方法、学习并生成知识法和规则库建设方法这三种形式。尽管传统数学解析法精准度和严密度都很高,却并不适合复杂的机械系统运算,只能应用在那些简单机械系统运算中。复杂机械输入输出系统运算采取传统数学解析法很难给出正确的数学解析。随着社会的发展,当代社会对多样和精密的机械分析计算系统的需求越来越大,它可以处理多种多样的不同的信息数据种类。例如:电子机械运行的传感器传输的信息可以分成两大类:语言信息、数字信息,但在人工智能技术处理信息时出现了复杂性和不确定性的成分,导致以知识为基础的人工智能技术在数据传输中处理信息的时候,不知不觉的成了数学信息解析的替代手段。
电子机械运行过程构建的人工智能大体可以分为两类,即模糊推理系统和神经网络系统。
神经网络系统就像是人的大脑结构一样,先对机械系统传输的数字信号进行分析整理,然后及时分析参考数值;模糊推理系统则是人大脑功能的模拟,模拟大脑功能去分析机械传输的语言信号。而这两大输入输出数据的处理方式间的关系有相同的地方,也有不同的地方。神经网络系统与模糊推理系统的相似之处是:它们都是通过任意的精准度,用对网络结构的模拟去形成连续的函数。而两者不同点则是:神经网络系统具有不清晰的意义,模糊推理系统却具有清晰的意义;神经网络系统是从点到点的映射方式,而模糊推理系统则是整理域到域的映射方式;神经网络系统储存信息的方式是分布式的,而模糊推理系统储存信息的方式则是规则式的。主要是神经网络系统输入的每个神经元都有固定的联系,计算量相对比较大;模糊推理系统的连接有不稳定的因素,计算量相对来说比较小。而神经网络系统的信息输入输出阶段有着很高的精度,表现为光滑的曲面状态。但是模糊推理系统的信息输入输出阶段精准度很低,并且呈现出台阶的形状。
三、结语
随着社会科技水平的不断发展和进步,单纯的独立的人工智能技术已经不能满足我们和当代社会的要求了,因此,我们要秉承不断发展与进步的思想理念,在工人智能开发技术上进行不断的研究与探索,使人工智能技术能够与电子机械工程完美地结合在一起,实现电子机械工程与人工智能的共同发展目标。
参考文献:
[1]傅丽凌、杨平,机械专业综合型试验平台的建设[J].电子科技大学学报社科版,2005,7(增刊).
【摘要】实现人工智能控制是目前电气自动化控制理论基础应用到组织实践中的新历史阶段。在当前,自动化控制系统的应用规模、涉及到的领域范畴等也照以往也有了显著的提升幅度,故而使自动化控制系统的应用实现了全面研究深入阶段,并在很大程度上处理、解决了以往复杂、系统的控制问题,使其技术原有的不确定性、不稳定得以降低,而相应增强的高度非线性、高适应性的系统性能得以发挥出来。基于此,本文对电力系统自动化涉及到的智能技术进行了研究,如对模糊控制、神经网络控制、专家系统等的运用展开了详尽探讨。
【关键词】智能技术;电力系统;自动化;控制
1 人工智能定义概述
“人工智能”被认定为一门前沿科学技术是始于上世纪的五十年代的1956年,由Dartmouth学会向科学领域所提出的。但在1936年,它的模糊概念就已经被阿兰.麦席森.图灵(AlanMathison Turing)所提出,所以后世不少人仍然记得这位曾为人工智能科学研究做出巨大贡献的“人工智能之父”。从现代来看,人工智能是一项综合学科,研究的是各类机械器具、相关操作系统程序、设备模拟作业、以及研究完善现有人工智能技术的一项综合学科技术。而向计算机技术、自动化控制技术等的研究深入,仅是人工智能体系技术探究的一个分支。也就是说,这些技术的推广与应用能够渗透到当前各组织领域,相互之间也存在着紧密的关联性与互补性。
电气自动化控制系统中渗透了人工智能技术,能够使专业电气工程的功能逐步分解到各自动化板块系统中,进而也就强化了设备运行时的处理能力,实现精准、高效处理,降低人力资源消耗成本。此外,人工智能技术在应用到电气控制系统中时,也能够抑制一些不稳定、不确定的因素发生,也就是当前电气自动化系统应用时所普遍强调的模糊动态控制。也就是说,凭借系统中的特定程序设置及参数设定、变量控制等可显著增强控制系统的应用功能,使电气设备在运营阶段时的操作、自动化控制功能发挥更加高效。如,将人工智能应用于电气自动化中的报表生成及打印环节中,可以极大的提高各类报表的制表计算速度及准确性。
2 智能技术在电力自动化控制系统中的应用研究
电力自动化控制系统中引入智能技术在目前看来其应用前景非常广,并且技术运用成果相对突出,其中本文以几种最为常见的典型技术对其进行了研究。
2.1 模糊理论应用
模糊理论别名也称为集合理论,它主要利用语言变量和推理逻辑理论作为电力智能设施的实践基础。此外,运用模糊理论的电力自动化控制系统,能够具备体系完整的推理逻辑性,以及能够模拟人为决策等形式的模糊推理过程。而决定这一推理、逻辑过程的是其技术的数据规则控制。也就是说,应用模糊理论可以直观对模糊输入量进行推理,进而按照其程序的控制原则实现应有的模糊控制输出,而具体的输出成果则是模糊化、推理过程、推理判决。所以,电力自动化控制系统中如果通过模糊理论下的模糊量输出,能够将语言变量进行充分表达,进而实现类似于人的逻辑性能。此外,其鲁棒性也很强,能够使控制系统具备一定的自学、容错能力,即使系统内部出现因网络拓扑或者环境变量改变而引起的系统问题,凭借模糊理论的应用成果,也能够及时寻求出最为合理的解决途径。
2.2 专家系统应用
智能技术体系中的专家系统应用范畴较为广阔,尤其是应用在电力系统自动化中所体现的成果也相当强大。如电力系统的预警状态辨识、系统紧急处理、系统控制性能恢复、系统状态切换、故障点排查及隔离、系统短期负荷提示、以及电压无功控制等方面都会存在智能技术中专家系统的影子。由此可见,专家系统在电力自动化控制系统中的广泛程度非常明显,并在各方面的应用实践取得了一定成果。但值得指出的是,专家系统同样具备约束性。如难以模仿电力专家的创造性;仅采用了浅层知识而缺乏功能理解的深层适应;缺乏有效的学习机构,对情况的处理解决能力非常有限,知识库的验证困难;对复杂的问题缺少好的分析和组织工具等。因此,在开发专家系统方面应注意专家系统的效益分析方法问题,专家系统软件的应用成果及试验性能问题,知识获取问题,专家系统与其他常规工具或系统相结合的协调等问题。
2.3 神经网络的应用
神经网络是人工智能技术体系中的一部分,通过近七十年来的不懈努力与致力钻研,其在模型构造、模型计算及算法等相关方面着实取得了不小研究成果。而神经网络技术自兴起直至被人们接受与高度重视以来,之所以取得不少成就必然与人为的努力研究有直接关系,同时还与其理论的实践性强大有重要关系。即其本质具备非线性特性、系统能力及鲁棒性体现明显、以及自发学习能力功能等非常显著等,都决定了其理论与实践技术应用的开拓程度。当然,其具体作用形式是以大量信息为准;主要通过神经网络将大批量、大规模的信息隐含在连接权值上,并结合与之配套的算法去调节权值,进而能够将神经网络实现一种复杂非线性映射,即神经网络由m维的空间向n维空间的复杂非线性映射,进而更加利于神经网路模型的深入研究。
2.4 综合智能系统应用
综合智能控制系统主要指智能控制性能的综合体现,即集结了现代智能控制技术方法、以及不同智能控制方法的融合和交叉,是种具备综合性能的智能系统。而这种综合性能系统对电力自动化控制系统而言,无疑更具发展潜力与增值空间。也就是说,当前电力市场中具备很多的神经网络和专家系统相结合的系统产物;同理,包括专家系统和模糊理论结合、神经网络和模糊理论相结合等的综合产物。此外,综合性能系统也是根据主要智能技术的性能效果去加以区分、谋划而生成的一种智能技术。如,神经网络的使用范畴往往针对于非结构化知识,但模糊理论则更加适用于一些结构化信息的处理。因此,这两种技术的融合正好能够形成技能互补、低高层计算的逻辑处理等,进而使以低层计算方法为主的神经网络能够与以具备高度推理逻辑的模糊逻辑实现有机结合与协调,为神经网络系统下的大量信息、数据处理的解释和处理提供了有利实施基础。
2.5 线性最优控制
线性最优控制是目前诸多现代控制理论中应用最多,最成熟的一个分支。相关学术界人士曾提出了利用最优励磁控制手段提高远距离输电线路输电能力和改善动态品质的问题,取得了一系列重要的研究成果。该研究指出了在大型机组方面应直接利用最优励磁控制方式代替古典励磁方式。电力系统线性最优控制器目前已在电力生产中获得了广泛的应用,发挥着重要的作用,尤其是局部线性模型的设计及分析,效果比较理想。
结语:
总体而言,目前国内大量电气自动化设备的运行系统已经广泛应用到了人工智能先进技术,最基本的系统控制方法也主要以模糊控制、专家系统、神经网络控制等的应用为主,进而有效推动了电力系统自动化发展的历史进程,并且随着未来产业技术的不断革新,它们的技术关系在未来也势必会加紧密,故而为智能技术应用在电力系统自动化中提供了有利保障,使相关技术应用范畴会更加广泛。
参考文献
[1] 张梓奇,苏健祥. 人工智能技术在电力系统中的应用探讨[J]. 科技资讯, 2007,(21) .
[2] 毕轶慧,尹琳娟. 人工智能在电力系统无功优化中的应用探讨[J]. 中国科技信息, 2008,(20) .
[3] 王艳. 浅谈人工智能在电气自动化控制中应用[J]. 科技致富向导, 2010,(26) .
计算智能(ComputationalIntelligenee,简称CI),又称软计算,该词于1992年被美国学者J.C.Bezdekek首次提出,1994年全计算智能大会明确提出了计算智能的概念,标志着计算智能作为一门独立学科的诞生。传统的人工智能问题的处理、结论的得出都需要在建立精确的数字模型的基础上才能实现,但现实中有很多的数据都是模糊的,无法建立精确的模型,使得人工智能的应用范围相对狭窄,而计算智能则突破了人工智能的瓶颈,以模型为基础,模拟人的理论与方法,只需要直接输入数据,系统就可以对数据进行处理,应用范围更加的广泛。计算智能的本质是一类准元算法,主要包括进化计算,人工神经网络、模糊计算、混沌计算、细胞自动机等,其中以进化计算、人工神经网络及模糊系统为典型代表。
1.1进化计算
进化计算是采用简单的编码技术来表示各种复杂的结构,并通过遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向,具有操作简单、通用性强、效率高的优点,其工作原理是通过种群的方式进行计算,借助生物进化的思想来解决问题,分为遗传算法、进化规划及进化策略三大类。
1.2人工神经网络
人工神经网络是一个高度复杂的非线性动力学系统,具有模糊推理、并行处理、自训练学习等优势,其工作原理是仿照生物神经网络处理信息方式,通过不同的算法和结构,将简单的人工神经细胞相互连接,通过大量的人工神经单元来同时进行信息的传播,并将信息储存在改革细胞单元的连接结构中,快速地得到期望的计算结构。生物神经网络的细胞是在不断的生成和更新着的,即部分细胞坏死,整个神经网络仍能维持正常的运转秩序而不会骤然崩溃,同样人工神经网络也有着这样的特性,即使部分神经细胞发生问题,整个网络也能够正常的运转。人工神经网络按照连接方式的不同分为前馈式网络与反馈式网络,前馈式网络结构中的神经元是单层排列的,分为输入层、隐藏层及输出层三层,信息的传播是单向的,每个神经元只与前一层的神经元相连,即信息只能由输出层传向隐藏层再传向输入层,而不能由输出层直接传向输入层;反馈式网络结构中每个人工神经细胞都是一个计算单元,在接受信息输入的同时还在向外界输出着信息。不同的行业和领域可以根据自身的需要将不同的网络结构和学习方法相结合,建立不同的人工神经网络模型,实现不同的研究目的。
1.3模糊系统
客观世界中的事物都具有不同程度的不确定性,如生活中的“穷与富”、美与丑”“、相关与不相关”无法用一个界线划分清楚,对于事物不确定研究的过程中产生了模糊数学,所谓模糊性是指客观事物差异的中间过渡中的“不分明性”。美国专家L.A.Zdahe教授首次运用了数学方法描述模糊概念,自此之后模糊数学形成了一个新的学科,并在世界范围内发展起来,在医学、农业等方面得到了应用。
2计算智能在机械制造中的应用
机械制造业是国民经济的基础产业,机械制造业的发展对于促进工业生产领域的发展,保持经济稳步增长,满足人们日常生活的需求,提高人们的生活质量有着重要意义。一个国家机械制造业水平的高低是衡量该国工业化程度的重要指标。由于研究角度的不同,机械制造业有着不同的分类,如国家统计局将机械制造行业分为通用设备、专用设备、交通运输设备、电气设备、仪器仪表及办公设备五大类,证券市场将机械制造行业分为机械、汽车及配件、电气设备三大子行业。根据调查显示,2013年我国制造业产值规模突破20万亿元,同比增长17.5%,产值占世界比重的19.8%,经济总量位居世界首位,利润4312.6亿元,增长0.33%,增加值累计同比增长10.4%。随着计算智能研究的深入,计算智能在机械制造中得到了应用。伴随着机械行业的飞速发展,各类生产安全事故也时有发生。造成安全事故的原因是多方面的,首先是操作人员安全意识淡薄;其次是企业的安全管理和监督缺失,我国相当多的机械制造企业不重视劳动安全卫生方面的数据统计和资料积累,为了追求最大利润在安全生产方面投入的资金过少,缺乏对员工开展安全教育的培训。建立科学的安全生产评价方式对于防止各类安全事故,提高安全效益有着积极意义。人工智能的安全评价方法以线性函数为基础,而安全生产评价体系是一个复杂的系统,涉及的内容繁杂,需要考虑的因素很多,存在很大的不确定性,导致得到的结论与实际现场常常不能一致,计算智能以选择非线性函数建立安全生产评价模型,实现对非线性函数关系的拟合,解决了这一难题。在机械制造中存在着大量的模糊信息,如机械设备的损耗、零件设计目标等信息都是用比较模糊的术语来表达,传统的人工智能进行新的零件生产制造时,设计人员对零件进行设计,确定零件的尺寸,然后试生产零件应用在设备中,如不符合要求,再进行调整,这就要求设计人员有着丰富的知识和实践经验,能够根据需要设计出适合的零件,而计算智能以系统论作为基础的,对选择的自变量进行适当的优化和控制,只需要设计人员将零件的形状、大小、作用等输入计算机,并对零件制造的程序编排,利用计算机确定零件的制造技术,同时控制零件的质量,使零件设计、制造的过程更加便捷。
3结语
关键词:机械电子工程;人工智能技术;应用
中图分类号:TP18 文献标识码:A
在现代经济社会发展速度不嗉涌斓谋尘跋拢社会生产力水平明显提高。对于我国而言,在工业机械工程发展过程中,现代电子技术的应用促进传统机械工程逐步过渡至现代电子机械工程,而随着计算机技术以及信息技术的蓬勃发展,机械工程开始呈现出智能化、自动化的发展方向。特别是人工智能技术发展以来,此项技术在机械电子工程领域中的应用日益广泛,对提高生产力水平的意义同样非常确切。本文即围绕机械电子工程领域中人工智能技术的相关应用问题进行分析与探讨,望能够引起各方重视与关注。
一、人工智能的概述
人工智能是研究、开发用于模拟、延伸以及扩展人的智能的理论、方法、技术以及应用系统的全新学科。作为计算机科学的重要分支之一,人工智能技术所追求的是了解智能的本质,并研发出一种与人类智能高度相似的智能机器。从人工智能诞生以来,相关理论与应用技术不断成熟,人工智能技术的应用范围也明显扩大。可以预见的是,未来人工智能技术下所带来的一系列科技产品将成为人类智慧的“容器”。
二、人工智能技术的作用分析
人工智能技术的应用对意识结构的变化有非常重要的影响,使意识论研究领域明显扩大。人工智能终端作为一种全新形态的机器设备进入人意识器官范畴中。人工智能技术下,除了能够完成人脑的一部分意识活动以外,甚至在部分功能上较人脑有着更为明显的优势,如对信息进行处理,以及采取行动的速度,以及对动作和记忆的准确性等方面。除此以外,通过对人工智能技术的应用与发展,还为未来ICT等网络技术的发展提供了方向与指导,包括云计算、深度学习、以及智能算法等在内的大规模网络应用成为ICT产业重要的发展方向之一,深度学习作为人工智能研究领域中的重点关注对象之一,可通过构建模拟人脑进行分析学习的神经网络的方式,促进互联网领域的飞跃式发展。
三、机械电子工程及人工智能分析
1.机械电子工程特点
机械电子工程是将电子工程、机械工程以及自动化工程结合起来的综合性学科,在机械电工工程中占据非常重要的地位。现阶段机械电子工程主要具有以下几个方面的特点:(1)机械电子产品结构相对简单。机械电子产品构造复杂程度不高,产品占地面积有限,能够改变传统意义上机械电子产品占地面积大且外观笨拙复杂的特点,对优化机械电子产品工作性能也有重要意义;(2)机械电子工程设计方案合理性高。在电子工程、机械工程以及自动化工程相互融合的背景下,设计人员能够更为全面的决策设计方案,促进机械电子工程的不断进步与发展。如,将机械电子工程技术与管理技术相结合,一来能够促进机械电子工程在管理体制层面的发展革新,二来能够促进机械电子技术在管理层面的发展进步,综合价值突出。
2.人工智能特点
人工智能是研究、开发用于模拟、延伸以及扩展人的智能的理论、方法、技术以及应用系统的全新学科。作为计算机科学的重要分支之一,人工智能技术所追求的是了解智能的本质,并研发出一种与人类智能高度相似的智能机器,研究对象包括图像识别、语言识别、机器人、自然语言处理以及专家系统等多个部分。人工智能技术的应用具有以下几个方面的特点:(1)人工智能技术使人与人之间的沟通交流更加密切。人工智能技术作为高新科学技术,为大众间的沟通交流提供了极大便利,实现与不同群体的沟通,在促进人类社会进步的同时还对人工智能技术的改革创新提供动力;(2)人工智能技术对促进经济增长有重要意义。应用人工智能技术能够促进社会消费,扩大国内市场需求,对实现经济平稳健康发展有积极价值;(3)人工智能技术的应用有助于企业经济目标的快速实现。人工智能技术大量应用会促进行业市场的扩大,吸引投资,提高企业经济效益。
四、机械电子工程中人工智能应用
1.机械电子工程与人工智能的关系
不稳定性是机械电子工程普遍面临的问题之一,该特点的存在导致机械电子工程系统信息输入与信息输出之间的关系难以准确地描述出来。由于建设规则库方法、学习并生成知识描述法以及数学方式推导法这3种传统机械电子工程系统描述方法在严密性与精确度方面存在一定的局限,因此往往难以满足机械电子工程系统日益复杂的描述需求。但从信息处理的角度上来说,人工智能技术的应用及其与机械电子工程系统的融合对于解决系统不稳定性、不确定性以及复杂性问题有非常确切的优势。从这一角度上来说,将人工智能技术与机械电子工程相结合已成为机械电子工程领域发展的必然方向与趋势之一。
2.模糊系统及神经网络系统
模糊系统的理论基础与模糊集合,设计工具为模糊理论。模糊推理系统具有模糊信息的处理功能,在自动化控制、数字处理等诸多领域中得到了大量的应用,所取得的效果非常显著。模糊推理系统创建模拟人脑的相关功能,并分析语言信号,在网络结构的依托下无限接近连续函数,并遵循域至域的映射规则对信息进行储存。但模糊推理系统在应用中具有连接性不固定的特点,计算量偏小,因此应用范围存在一定的限制。
神经网络系统是人工智能技术领域中的关键分支之一,神经网络将信息分布于网络上的主要模式是神经元的兴奋模式。在神经网络系统干预下,可实现对信息的分布储存以及对动态信息的协同处理。神经网络系统可在确保行为丰富的前提下最大限度地精简结构,利用神经网络系统功能直接模拟大脑结构,并分析数字信号,在各个神经元间构成点对点的映射关系,进而达到提高信息数据输入、输出精度,并提高计算量的目的。
结语
综上所述,人工智能技术的应用与人工智能系统的构建、发展在很大程度上促进了现代机械电子工程的快速发展与进步。现代机械电子工程设计必须以人工智能技术的合理应用为依托,达成双赢的理想局面。在这一过程中,相关人员必须充分关注机械电子工程与人工智能技术的融合,不断开拓全新的人工智能技术,把握两者发展中的相通点与共同点,以促进两者的共同发展与进步。
参考文献
[1]梁国强.试论人工智能技术在供水设备机械电气自动化控制中的应用[J].中小企业管理与科技,2015(27):252.
[2]韩斌.机械电子工程与人工智能的关系分析[J].数字技术与应用,2013(6):254-254.
[3]孙伟.电气自动化控制中人工智能技术的应用研究[J].科技创新与应用,2014(7):70-70.